|
Vyučující
|
-
Bajzík Vladimír, doc. Ing. Ph.D.
-
Porkertová Jindra, Ing.
|
|
Obsah předmětu
|
Přednášky: 1-2. Úvod do zpracování dat, výklad základních pojmů, střední hodnota, rozptyl, bodové a intervalové odhady, další parametry spojené s rozdělením dat. 3. Základní soubor a náhodný výběr, definice základního souboru, vliv nedodržení podmínek náhodného výběru na výsledek, předpoklady o datech, možnosti ověřování předpokladů o datech. 4. Chyby měření - zdroje chyb v experimentu, relativní a absolutní chyba měření, aditivní model měření. 5. Průzkumová analýza jednorozměrných dat - pořádková statistika, pořadová pravděpodobnost, písmenové kvantily, využití písmenových kvantilů v průzkumové analýze dat. 6. Ověřování normality, testy hypotéz. 7. Ověřování normality graficky. 8. Ověření symetrie -tvorba histogramu a krabicového grafu. 9. Korelace, lineární regrese - vymezení pojmu, metoda nejmenších čtverců, intervaly spolehlivosti regresních parametrů. 10. Využití statistického software při řešení průzkumové analýzy dat. 11-12. Úvod do zpracováví dat pocházejících z nominální a ordinální škály 13-14. Kontingenční tabulky. Cvičení: 1. Výpočty základních charakteristik - aritmetický průměr, rozptyl, variační koeficient. 2. Podmínky náhodného výběru - vliv nedodržení podmínek na výsledky. 3. Velikost náhodného výběru, Hornův postup. 4. Chyby měření. 5. Pořádkové statistiky, písmenové kvantily. 6. Ověření normality - testy hypotéz. 7. Kontrolní test I. 8. Ověřování normality graficky. 9. Metoda nejmenších čtverců I. 10. Metoda nejmenších čtverců II. 11. Nominální škála. 12. Ordinální škála. 13. Kontrolní test II. 14. Zápočet.
|
|
Studijní aktivity a metody výuky
|
Samostatná práce studentů (studium textů, literatury, problémové úkoly,výzkum, pisemná práce), Přednáška, Cvičení
- Účast na výuce
- 56 hodin za semestr
- Účast na výuce
- 16 hodin za semestr
- Domácí příprava na výuku
- 60 hodin za semestr
- Příprava na zápočet
- 40 hodin za semestr
- Příprava na dílčí test
- 20 hodin za semestr
|
|
Výstupy z učení
|
Studenti budou seznámeni s vyhodocováním opakovaných měření. Seznámí se se statistickými charakteristikami jednorozměrných dat - charakterizací polohy a rozptýlení. Budou seznámení s možnostmi vytěžování dat, hledáním typického a zvláštního v datech s využitím průzkumové analýzy dat. Naučí se vizuální zkoumání zvláštnosti v datech, ověřovat normalitu dat. Naučí se ověřovat základní statistické předpoklady o datach, určit minimální velikost výběru, detekci vybočujících měření a zákaldy zpracování dat, která pocházejí z nominální a ordinální škály. Výklad je doprovázen praktickým řešením příkladů z textilní praxe
Student získá zkušenosti se zpracováním jednorozměrných dat z experimentů. Získané výsledky bude umět interpretovat.
|
|
Předpoklady
|
nejsou požadovány
|
|
Hodnoticí metody a kritéria
|
Písemná práce
Zápočet: Aktivní účast na cvičeních, absolvování 2 kontrolních testů v průběhu semestru a závěrečného souhrnného testu.
|
|
Doporučená literatura
|
-
Cyhelský L a kol. Elementární statistická analýza. Praha, management Press, 1996. ISBN 80-85943-18-2.
-
Meloun M., Militký J. Kompendium statistického zpracování dat. Praha, Academia, 2002. ISBN 80-200-1008-4.
|