PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Statistický projektový seminář - NMST551
Anglický název: Statistical Project Seminar
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2023
Semestr: zimní
E-Kredity: 5
Rozsah, examinace: zimní s.:0/2, Z [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Další informace: https://www.karlin.mff.cuni.cz/~maciak/nmst551_2324.php
Garant: doc. RNDr. Matúš Maciak, Ph.D.
doc. RNDr. Arnošt Komárek, Ph.D.
Třída: M Mgr. PMSE
M Mgr. PMSE > Povinně volitelné
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Prerekvizity : NMST412, NMST422
Je záměnnost pro: NSTP106
Anotace -
Poslední úprava: T_KPMS (07.05.2015)
Analýza reálných dat formou samostatné práce a sestavení výzkumné zprávy.
Cíl předmětu -
Poslední úprava: T_KPMS (07.05.2015)

Procvičit se v analýze reálných dat a sestavení výzkumné zprávy.

Podmínky zakončení předmětu
Poslední úprava: RNDr. Jitka Zichová, Dr. (23.04.2018)

Požadavky k zápočtu: Každý týden odevzdávat práci podle zadaného úkolu, koncem semestru odevzdat uspokojivou výzkumnou zprávu, zpracovat oponenturu.

Charakter zápočtu neumožňuje opravné termíny.

Literatura -
Poslední úprava: doc. RNDr. Matúš Maciak, Ph.D. (16.10.2023)

Podle řešeného problému.

Podrobnější informace: https://www.karlin.mff.cuni.cz/~maciak/nmst551_2324.php.

Metody výuky -
Poslední úprava: T_KPMS (16.05.2013)

Seminář.

Sylabus -
Poslední úprava: T_KPMS (16.09.2014)

Statistický přístup k řešení praktických problémů, ilustrovaný na analýze reálných dat formou samostatné práce a sestavení výzkumné zprávy. Důraz je kladen na následující aspekty:

1. Příprava reálných dat k analýze.

2. Vhodná volba statistického modelu.

3. Formulace kladené otázky v rámci zvoleného modelu.

4. Provedení analýzy.

5. Správná interpretace výsledků.

6. Praxe ve vytváření srozumitelné, objektivní a kvalitně zpracované výzkumné zprávy.

Vstupní požadavky -
Poslední úprava: RNDr. Jitka Zichová, Dr. (25.05.2020)

Kurz předpokládá dobrou znalost teoretických základů a praktických aplikací lineární regrese, logistické regrese, loglineárních modelů, GEE a lineárních modelů se smíšenými efekty. Doporučena je znalost statistického softwaru R a psaní textů v LaTeXu.

 
Univerzita Karlova | Informační systém UK