|
Vyučující
|
-
Berec Luděk, doc. Ing. Dr.
-
Boukal David, prof. Ing. MgA. Ph.D.
-
Hais Martin, RNDr. Ph.D.
|
|
Obsah předmětu
|
Témata přednášek a jim odpovídajících cvičení: 1. Náhodný jev, pojem pravděpodobnosti, definice, kombinatorika, podmíněná a úplná pravděpodobnost, Bayesův vzorec, nezávislost náhodných jevů 2. Náhodná veličina, distribuční funkce, hustota pravděpodobnosti, číselné charakteristiky náhodných veličin, příklady 3. Náhodný vektor, marginální rozdělení, nezávislost, číselné charakteristiky náhodných vektorů, korelace, příklady 4. Náhodný proces, typy, vlastnosti a číselné charakteristiky náhodných procesů, autokorelace, příklady 5. Lineární a nelineární regrese s jednou vysvětlující proměnnou, jejich předpoklady a interpretace, metoda nejmenších čtverců; základní příklady v Excelu a prostředí R 6. Různé přístupy k regresním analýzám s více vysvětlujícími proměnnými, metody maximum likelihood, výběr modelů na základě věrohodnosti; příklady v R 7. Vliv charakteristiky závislé proměnné na regresní model, zobecněné lineární modely (GLM); příklady v R 8. Závislá a opakovaná pozorování, smíšené lineární a nelineární modely (LMM, GLMM); příklady v R 9. Základy semiparametrické regrese, zobecněné aditivní modely (GAM); příklady v R 10. Interpolace dat a prostorová interpolace 11. Geostatistika - prostorová autokorelace, teoretické a experimentální semivariogramy, krigování (prostředí GIS) 12. Časové řady dat, modely klouzavých průměrů (MA), autoregresní modely (AR), smíšené modely (ARMA) 13. Prezentace projektů založených na zpracování vybraných dat pomocí kvantitativních metod
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Demonstrace, Praktická výuka
- Domácí příprava na výuku
- 28 hodin za semestr
- Semestrální práce
- 8 hodin za semestr
- Účast na výuce
- 42 hodin za semestr
|
|
Výstupy z učení
|
Cílem kurzu je seznámit studenty se základy kvantitativních statistických metod, vysvětlením jejich principu s následnou aplikací na běžných geografických datech (např. demografických, meteorologických, hydrologických). Pro praktické úlohy na cvičeních je plánováno využití programů Excel, R a ArcGIS. Absolvent kurzu by měl být schopen vyhodnotit datové soubory, správně interpretovat výsledky a dále pak využít tyto metody ve výuce geografie na středních školách. Kurz také umožní studentům získat potřebné základní znalosti pro vyhodnocení dat v rámci jejich bakalářských resp. magisterských prací.
Student porozumí základům teorie pravděpodobnosti a matematické statistiky, vybraným regresním modelům a základním geostatistickým metodám. Tyto teoretické znalosti bude student umět uplatnit při práci s daty. Student bude schopen tyto metody využít ve výuce geografie na střední škole.
|
|
Předpoklady
|
Znalost středoškolské matematiky
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Seminární práce
75% docházka na cvičení, drobný semestrální projekt.
|
|
Doporučená literatura
|
-
Lepš, J., Šmilauer, P. Biostatistika. Č. Budějovice, Episteme, 2016. ISBN 978-80-7394-587-9.
-
Pekár, S., Brabec, M. Moderní analýza biologických dat Zobecněné lineární modely v prostředí R, Scientia, Praha 2009.
-
Pekár, S., Brabec, M. Moderní analýza biologických dat Zobecněné lineární modely v prostředí. Scientia, Praha, 2009.
-
S. Pekár, M. Brabec. Moderní analýza biologických dat. Nelineární modely v prostředí R, 3 díl. MUNI Press, Brno. 2019.
|