Statistika I - ASG100010

• Anglický název: Statistics I
• Zajišťuje: Katedra sociologie (21-KSOC)
• Fakulta: Filozofická fakulta
• Platnost: od 2017
• Semestr: letní
• Body: 2
• E-Kredity: 3
• Způsob provedení zkoušky: letní s.:
• Rozsah, examinace: letní s.:2/1, Z [HT]
• Počet míst: neurčen / neurčen (neurčen)
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: nevyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Další informace: http://artax.karlin.mff.cuni.cz/~betinec/vyuka/ffuk/statI.html
• Garant: Mgr. Martin Betinec, Ph.D.
• Je prerekvizitou pro: ASG100024, ASGV00522, ASGV00356

Anotace

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.

Poslední úprava: Betinec Martin, Mgr., Ph.D. (30.09.2015)

Literatura

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.

Poslední úprava: SOCBETIN (03.06.2008)

Sylabus

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.

Poslední úprava: SOCBETIN (03.06.2008)