Jedná se o kompilační práci, v jejímž rámci student nastuduje statistické metody pro analýzu proporcí (podrobněji viz anotace). Vlastní příspěvek studenta bude spočívat zejména: v přehledném a uceleném popisu nastudovaných metod a jejich statistických vlastností, vše při jednotném značení; v explicitním vyjádření některých souvislostí mezi studovanými metodami; ve vypracování vybraných cvičení z Fleiss et al. (2003), resp. Agresti (2002); v aplikaci nastudovaných metod na reálná data spolu s interpretací získaných výsledků. Studijní literatura bude k dispozici vesměs v angličtině, práce bude psána v češtině nebo slovenštině.
Alespoň pasivní znalost angličtiny a znalost, či ochota se naučit pracovat se statistickým balíkem R nutné.
Seznam odborné literatury
Agresti, A. (2002). Categorical Data Analysis, Second Edition. Hoboken: John Wiley and Sons. ISBN 0-471-36093-7.
Fleiss, J. L., Levin, B. and Paik, M. C. (2003). Statistical Methods for Rates and Proportions, Third Edition. Hoboken: John Wiley and Sons. ISBN 0-471-52629-0.
Předběžná náplň práce
Součástí bakalářské práce budou zejména následující problémy: statistický úsudek o neznámé proporci (pravděpodobnosti úspěchu) v náhodném výběru z alternativního rozdělení; kvantifikace rozdílnosti proporcí dvou nezávislých náhodných výběrů z alternativního rozdělení (rozdíl proporcí, relativní riziko, poměr šancí) a související metody statistického úsudku; porovnání proporcí v několika nezávislých náhodných výběrech z alternativního rozdělení. Dle zájmu uchazeče lze práci případně rozšířit o základy a aplikaci logistické regrese, zejména s důrazem na interpretaci získaných výsledků.
Předběžná náplň práce v anglickém jazyce
The thesis will deal especially with the following problems: statistical inference on unknown proportion in a random sample from the Bernoulli distribution; quantification of dissimilarity between proportions in two independent random samples from the Bernoulli distribution (difference of proportions, relative risk, odds ratio); comparison of proportions in several independent random samples from the Bernoullli distribution. It is possible to extend the thesis by foundation of logistic regression, especially with the emphasis on the interpretation of obtained results.