Statistics I - ASG100010

• Title: Statistika I
• Guaranteed by: Department of Sociology (21-KSOC)
• Faculty: Faculty of Arts
• Actual: from 2017
• Semester: summer
• Points: 2
• E-Credits: 3
• Examination process: summer s.:
• Hours per week, examination: summer s.:2/1, C [HT]
• Capacity: unknown / unknown (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: not taught
• Language: Czech
• Teaching methods: full-time
• Additional information: http://artax.karlin.mff.cuni.cz/~betinec/vyuka/ffuk/statI.html
• Guarantor: Mgr. Martin Betinec, Ph.D.
• Is pre-requisite for: ASG100024, ASGV00522, ASGV00356

Annotation

Kurz by měl studenty uvést do statistického uvažování a společně s navazujícím kurzem
Statistika II zprostředkovat základní orientaci v oboru.
V úvodní části bude věnován prostor základům teorie pravděpodobnosti, z níž moderní
matematická statistika ve svých metodách vychází. Dále budou probrány základní statis-
tické pojmy ? typy znaků, výběr z populace, popisná statistika. Následně budou studenti
seznámeni se základy teorie odhadu a se základními principy statistického uvažování (in-
ference).
Zápočet bude udělen za zpracování domácích úloh a úspěšné složení závěrečného testu. Je možno jej získat i v následujících semestrech.

Last update: Betinec Martin, Mgr., Ph.D. (30.09.2015)

Literature

Zvára K.: Biostatistika. Praha: Karolinum 2001.

Hendl J., Přehled statistických metod zpracování dat. Praha: Portál 2004.

Disman, M., Jak se vyrábí sociologická znalost, Praha: Karolinum 3 2002.

Anděl, J., Statistické metody, Praha: Matfyzpress2 1998.

Meloun, M., Militký, J.: Statistická analýza experimentálních dat. Praha: Academia 2004.

Hebák, P., Hustopecký, J. et al.: Vícerozměrné statistické metody. Praha: Informatorium 2004.

Last update: SOCBETIN (03.06.2008)

Syllabus

Kurz by měl studenty uvést do statistického uvažování a společně s navazujícím kurzem

Statistika II zprostředkovat základní orientaci v oboru.

V úvodní části bude věnován prostor také základům teorie pravděpodobnosti, z níž

moderní matematická statistika ve svých metodách vychází.

Dle předchozích znalostí studentů, bude obsah jednotlivých přednášek upraven tak, aby

probraná látka pokryla přibližně následující oblasti:

Statistika I.

? Základy teorie pravděpodobnosti: Pojem pravděpodobnosti a počítání s ní,

pojem nezávislosti, Bayesova věta. Interpretace.

? Náhodná veličina: Pojem náhodné veličiny a její interpretace. Charakteristiky

náhodné veličiny: střední hodnota, rozptyl, šikmost, špičatost. Rozdělení náhodné

veličiny, příklady spojitých a diskrétních rozdělení. Kvantilová funkce, kvantily a

kritické hodnoty rozdělení.

? Náhodný vektor: Rozdělení náhodného vektoru. Nezávislost náhodných veličin,

kovariance, korelace.

? Limitní chováni náhodných veličin: Konvergence náhodných veličin. Zákon

velkých čísel. Centrální limitní věta. Standardizace a aproximace pomoci normo-

vaného normálního rozdělení.

? Základní statistické pojmy: Data, jejich typy a příklady. Popis dat, základní a

výběrový soubor, popisné statistiky, četnost, poloha, měřítko, variabilita, grafická

znázornění.

? Odhady parametrů: Náhodný výběr. Bodový a intervalový odhad.

? Odhady střední hodnoty (polohy): Aritmetický průměr a jeho robustnější

verze, modus, medián.

? Odhady rozptylu (měřítka): Výběrový rozptyl a jeho varianty, směrodatná

odchylka, kvantily, rozpětí. Grafická znázornění.

? Základy statistického uvažování: Populace a výběr. Bodové a intervalové od-

hady populačních parametrů. Vlastnosti výběrového průměru, spec. pro normální

rozdělení.

Last update: SOCBETIN (03.06.2008)