PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Statistical Methods for Data Analysis - JEM019
Anglický název: Statistical Methods for Data Analysis
Český název: Statistical Methods for Data Analysis
Zajišťuje: Institut ekonomických studií (23-IES)
Fakulta: Fakulta sociálních věd
Platnost: od 2023
Semestr: letní
E-Kredity: 6
Způsob provedení zkoušky: letní s.:písemná
Rozsah, examinace: letní s.:2/2, Zk [HT]
Počet míst: neomezen / neomezen (neurčen)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: angličtina
Způsob výuky: prezenční
Způsob výuky: prezenční
Další informace: https://dl1.cuni.cz/course/view.php?id=11676
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: doc. RNDr. Zdeněk Hlávka, Ph.D.
Vyučující: doc. RNDr. Zdeněk Hlávka, Ph.D.
doc. Ing. Marek Omelka, Ph.D.
Anotace -
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (22.09.2023)
Introduction to nonparametric, multivariate, and resampling methods. Statistical models, computational aspects, applications.
Literatura -
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (02.10.2023)

Mardia, K. V., Kent, J. T., and Bibby, J. M. (1979) Multivariate analysis. Academic Press Inc.

Härdle, W. and Simar, L. (2015) Applied multivariate statistical analysis. Springer.

Davison, A. C. and Hinkley, D. V. (1997) Bootstrap methods and their application. Cambridge University Press.

Efron, B. and Tibshirani, R. J. (1993) An Introduction to the bootstrap. Chapman & Hall.

Fan, J. and Gijbels, I. (1996) Local polynomial modelling and Its applications. Chapman & Hall/CRC.

Kulich, M. and Omelka M. (2023) NMSA331: Mathematical statistics 1. https://www2.karlin.mff.cuni.cz/~omelka/Soubory/nmsa331/ms1_en.pdf

Omelka, M. and Nagy S.. (2023) NMST544: Mathematical statistics 4.  www.karlin.mff.cuni.cz/~nagy/NMST545/NMST545.pdf

Wand, M. P. and Jones, M. C. (1995) Kernel smoothing. Chapman & Hall.

Požadavky ke zkoušce -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (21.02.2024)

(1) Written assignment (max 40 points) in which the student analyses real data set and solves a theoretical problem. The assignment has to be submitted at least one week before the oral exam and will be graded by the examiner.

(2) Oral exam (max 60 points) focusing on all topics of the course, with an emphasis on the theoretical part and correct understanding. Three slots for oral exams will be available during the examination period May-June.

You need at least 51 points in total to pass the course. The final grade will be awarded based on your total number of points using the official faculty grading system, i.e.:

91– 100 pts Excellent           A
81 –  90 pts Very good         B
71 –  80 pts Good                C
61 –  70 pts Satisfactory      D
51 –  60 pts Satisfactory-     E    
 0 –   50 pts Failed               F

Sylabus -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (08.02.2024)

Basic notions, t-tests and rank tests.

Resampling methods.

Nonparametric regression: kernel estimators of densities and regression curves.

Multivariate statistical methods I: random vectors, multivariate normal distribution, Hotelling's test, multiple testing.

Multivariate statistical methods II: principal components, factor analysis, discriminant and cluster analysis, further dimension reduction methods.

Other topics of interest

Vstupní požadavky - angličtina
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (21.02.2024)

Basic courses in probability and mathematical statistics.

At least elementary knowledge of R computing environment (https://cran.r-project.org/).

 
Univerzita Karlova | Informační systém UK