|
|
||
Poslední úprava: G_I (16.03.2011)
|
|
||
Poslední úprava: G_M (27.05.2008)
Cílem předmětu je seznámit studenty se základními postupy matematické statistiky, konstrukcí jednoduchých odhadů a testů a jejich praktickým využitím. |
|
||
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (24.04.2020)
Podmínky pro získání zápočtu: účast na cvičení a úspěšné vyřešení písemného zápočtového úkolu. Charakter zápočtu neumožňuje jeho opakování. Získání zápočtu je nutná podmínka pro účast na zkoušce.
Je pravděpodobné, že se značná část zkoušek či zápočtů může konat distanční formou. Závisí to na vývoji aktuální situace a a jakékoli změně budete včas informováni. |
|
||
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (05.09.2012)
Anděl J., Statistické metody, MATFYZPRESS, Praha 1998.
Cipra T., Analýza časových řad s aplikacemi v ekonomii, SNTL/ALFA, Praha 1986.
Zvára K., Regrese, MATFZYPRESS, Praha 2008. |
|
||
Poslední úprava: G_M (29.05.2008)
Přednáška+cvičení. |
|
||
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (06.10.2017)
Zkouška sestává z písemné a ústní části. Písemná část předchází části ústní, její nesplnění znamená, že celá zkouška je hodnocena známkou nevyhověl(a) a ústní částí se již nepokračuje. Nesložení ústní části znamená, že při příštím termínu je nutno opakovat obě části zkoušky, písemnou i ústní. Známka ze zkoušky se stanoví na základě hodnocení písemné i ústní části.
Písemná část bude sestávat z příkladů z témat, která korespondují se sylabem přednášky a současně odpovídají tomu, co bylo prezentováno na cvičení nebo na přednášce.
Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. |
|
||
Poslední úprava: doc. RNDr. Zdeněk Hlávka, Ph.D. (10.09.2013)
Náhodná veličina, normální rozdělení, centrální limitní věta, rozdělení odvozená od normálního.
Náhodný výběr, odhad, metoda maximální věrohodnosti, momentová metoda, intervaly spolehlivosti, princip testování hypotéz, t-testy, pořadové testy.
Náhodné vektory, marginální a podmíněné rozdělení, grafické znázornění mnohorozměrných dat, mnohorozměrné normální rozdělení, metoda hlavnich komponent.
Lineární model, polynomická regrese, ověřování předpokladů lineárního modelu, rezidua, míry vlivu jednotlivých pozorování, analýza časových řad, kontingenční tabulky, logistická regrese, mnohorozměrná statistika.
|