Vyučující
|
-
Bartoš Petr, doc. RNDr. Ph.D.
-
Blažek Josef, doc. RNDr. CSc.
|
Obsah předmětu
|
Náhodná veličina a její základní charakteristiky. Chí-kvadrát, t- testy, jednofaktorová a vícefaktorová analýza rozptylu, zjišťování závislostí pomocí korelace a regrese. Kontingenční tabulky. Interpretace výsledků. Statistické zpracování dat pomocí počítače - Microsoft Excel, Statistica, MATLAB a jeho toolboxy a další. Metoda Monte Carlo a její využití k řešení úloh. Konkrétní ukázky. Vizualizace skalárních dat. Vizualizace vektorových polí ve 2D a 3D. S ohledem na velkou šíří problematiky bude obsah předmětu po konzultaci se studentem cíleně zaměřen s ohledem na problematiku dizertační práce.
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Práce s textem (učebnicí, knihou), Písemná práce (např. u souborných zkoušek, klauzur), Individuální příprava ke zkoušce, Práce s multimediálními zdroji (texty, internet, IT technologie), Individuální konzultace s vyučujícím
- Příprava na zkoušku
- 80 hodin za semestr
- Domácí příprava na výuku
- 50 hodin za semestr
- Semestrální práce
- 70 hodin za semestr
- Účast na výuce
- 50 hodin za semestr
|
Výstupy z učení
|
Cílem předmětu je získání vědomostí a dovedností, které umožní studentovi samostatně statisticky vyhodnocovat a vizualizovat experimentální data. Pro tento účel je student schopen používat dostupné výpočetní prostředky. Student má dostatečný teoretický základ, který mu umožňuje získaná data správně interpretovat.
Studenti získají rozšířené a specifické znalosti v oblasti statistického vyhodnocování a vizualizace dat.
|
Předpoklady
|
Rozšířené znalosti v oblasti statistického vyhodnocování a vizualizace dat.
|
Hodnoticí metody a kritéria
|
Kombinovaná zkouška, Seminární práce
Aktivní účast na konzultacích a workshopech. Vypracování seminární práce.
|
Doporučená literatura
|
-
Internetové stránky dodavatelů software, návody k softwarovým balíkům.
-
Budíková, M., Mikoláš, Š. Osecký, P. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. MU Brno, 2004. ISBN 80-210-3313-4.
-
Harvey, G. Introduction to Computer Simulation Methods. Addison-Wesley, USA, 2006. ISBN 0-8053-7758-1.
-
Mead, Curnow, R.N., Hasted, A.M., Curnow, R.M. Curnow: Statistical Methods in Agriculture and Experimental Biology. Third Edition, Chapman and Hall, 2002. ISBN 1584881879.
-
Nezbeda, I., Kotrla, M., Kolafa, J. Úvod do počítačových simulací - Metody Monte Carlo. Karolinum Praha, 2003.
-
Zvára, K., Štěpán, J. Pravděpodobnost a matematická statistika, Matfyzpress. Praha, 2001.
|