Cílem předmětu je seznámit studenty se základními postupy matematické statistiky, konstrukcí jednoduchých odhadů a testů a jejich praktickým využitím.

Basic statistical methods, estimation and testing and their use in practice will be presented.

Podmínky pro získání zápočtu: Účast na cvičení a úspěšné vyřešení písemného zápočtového úkolu.

Conditions for obtaining the credit (zápočet): Active participation in the exercises and successful solving of a written assignment.

Anděl J., Statistické metody, MATFYZPRESS, Praha 1998.

Zvára K., Regrese, MATFZYPRESS, Praha 2008.

Přednáška c cvičení.

Lecture and exercises.

Zkouška sestává z písemné a ústní části. Součástí písemné zkoušky je vyřešení příkladu. 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 (příklad) odpovídá příkladům z témat, která korespondují se sylabem přednášky a současně odpovídá tomu, co bylo reálně prezentováno na cvičení a/nebo na přednášce.

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

The exam consists of a written and an oral part. Solving an example is part of the written exam. The written part precedes the oral part, failure to complete it means that the entire exam is graded as failed and the oral part is no longer continued. Failure to pass the oral part means that both parts of the exam, written and oral, must be repeated at the next term. The exam grade is determined based on the evaluation of the written and oral parts.

The written part (example) corresponds to examples from topics that correspond to the syllabus of the lecture and at the same time corresponds to what was actually presented in the exercise and/or in the lecture.

The requirements for the oral part of the exam correspond to the course syllabus to the extent that was presented in the lecture.

1. Od dat k modelu a od modelu k datům.

2. Náhodná veličina a její charakteristiky.

3. Náhodné vektory a jejich charakteristiky.

4. Vybraná diskrétní a spojitá rozdělení.

5. Normální rozdělení a rozdělení z něj odvozená.

6. Limitní zákony teorie pravděpodobnosti a jejich využití ve statistice.

7. Principy teorie odhadu.

8. Bodové a intervalové odhady.

9. Principy testování hypotéz.

10. U-test, t-test, F-test a jejich pořadové varianty.

11. Testy dobré shody.

12. Jedno, dvou a více výběrový problém.

13. Od dat k modelu revisited.

14. Grafická reprezentace dat, popisná statistika.

15. Regresní analýza.

16. Kontingenční tabulky.

17. Vybrané statistické postupy.

18. Bayesovský přístup k analýze dat.

1. From data to model and from model to data.

2. Random variable and its characteristics.

3. Random vectors and their characteristics.

4. Selected discrete and continuous distributions.

5. Normal distribution and distributions derived from it.

6. Limit laws of probability theory and their use in statistics.

7. Principles of estimation theory.

8. Point and interval estimates.

9. Principles of hypothesis testing.

10. U-test, t-test, F-test and their ordinal variants.

11. Goodness-of-fit tests.

12. One, two and multiple choice problem.

13. From data to model revisited.

14. Graphical representation of data, descriptive statistics.

15. Regression analysis.

16. Contingency tables.

17. Selected statistical procedures.

18. Bayesian approach to data analysis.