PředmětyPředměty(verze: 875)
Předmět, akademický rok 2020/2021
  
Matematická statistika 1 - NMSA331
Anglický název: Mathematical Statistics 1
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2019
Semestr: zimní
E-Kredity: 8
Rozsah, examinace: zimní s.:4/2 Z+Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Další informace: http://msekce.karlin.mff.cuni.cz/~omelka/Vyuka_nmsa331_1920.php
Garant: doc. Ing. Marek Omelka, Ph.D.
Třída: M Bc. OM
M Bc. OM > Povinně volitelné
M Bc. OM > Zaměření STOCH
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Prerekvizity : NMSA202
K//Je korekvizitou pro: NMSA332
XP//Ve slož. prerekvizitě: NMSA349
Výsledky anket   Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: T_KPMS (02.06.2016)
Základy statistických metod. Doporučeno pro bakalářský obor Obecná matematika, zaměření Stochastika. Vyžaduje znalosti z předmětu NMSA202 Pravděpodobnost a matematická statistika.
Cíl předmětu -
Poslední úprava: G_M (16.05.2012)

Studenti se seznámí se základními metodami statistické analýzy dat. To jim umožní pochopit podstatu teoretických výsledků presentovaných v dalších přednáškách

Podmínky zakončení předmětu -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (23.09.2019)

Podmínky získání zápočtu:

1. Účast na cvičení (max. 3 absence).

2. Úspěšné napsání zápočtové písemné práce (alespoň 60 bodů ze 100), přičemž bude právě jedna možnost opravy.

3. Uspokojivé vyřešení (alespoň na 60% z možných bodů) každé ze dvou domácích úloh. Budou zadány dvě domácí úlohy, z nichž lze získat celkem 100 bodů (40 bodů za první úlohu, 60 za druhou). Jako uspokojivé řešení je považován celkový zisk alespoň 60 bodů za obě úlohy dohromady. Celkový bodový zisk menší než 40 bodů znamená hodnocení nezapočteno.

Student, který získá celkově 40-59 bodů, bude mít možnost vypracovat opravný úkol. Bude-li vypracování tohoto opravného úkolu cvičícím shledáno jako nedostatečné, získá student nezapočteno.

Povaha kontroly studia předmětu vylučuje opakování této kontroly.

Zápočet je nutnou podmínkou pro účast na zkoušce.

Literatura -
Poslední úprava: prof. RNDr. Jiří Anděl, DrSc. (09.09.2013)

Anděl J.: Matematická statistika, SNTL/ALFA, Praha 1978

Anděl J.: Statistické metody. Matfyzpress, Praha 2007

Anděl, J.: Základy matematické statistiky. Matfyzpress, Praha 2013

Metody výuky -
Poslední úprava: T_KPMS (11.05.2012)

Přednáška+cvičení.

Požadavky ke zkoušce -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (28.10.2019)

Předmětem zkoušky bude celý rozsah přednášky. Je třeba znát všechny podstatné definice, věty a tvrzení (včetně předpokladů), chápat jejich vzájemné vztahy a alespoň rámcově vysvětlit jejich zdůvodnění (důkazy). Dále se vyžaduje schopnost zvolit vhodný postup pro statistickou analýzu reálného problému a diskutovat výhody a nevýhody různých alternativních řešení (existují-li).

Zkouška sestává z písemné a ústní části. Písemná část předchází části ústní a její nesplnění znamená, že celá zkouška je hodnocena známkou nevyhověl(a) a ústní částí již nepokračuje. Nesložení ústní části zkoušky znamená, že při příštím termínu je nutno opakovat obě části zkoušky, tj. písemnou i ústní. Známka ze zkoušky se stanoví na základě bodového ohodnocení písemné i ústní části.

Písemná část sestává z pěti otázek, které vycházejí z odpřednesené látky a současně odpovídají tomu, co bylo procvičováno na cvičení.

Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Sylabus -
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (22.09.2019)

1. Náhodný výběr. Rozdělení výběrového průměru a rozptylu. Pořádkové statistiky.

2. Bodové a intervalové odhady - základní principy. Empirické odhady, výběrové momenty a kvantily.

3. Principy testování hypotéz.

4. Jednovýběrové a párové metody pro kvantitativní data.

5. Dvouvýběrové metody pro kvantitativní data.

6. Jednovýběrové a dvouvýběrové metody pro binární data.

7. Multinomické rozdělení a kontingenční tabulky.

8. Vícevýběrové metody pro kvantitativní data. Analýza rozptylu. Principy mnohonásobných porovnávání.

9. Korelační analýza.

 
Univerzita Karlova | Informační systém UK