Předmět Teorie pravděp. a mat. statistika (KMF / INTP)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KMF / INTP - Teorie pravděp. a mat. statistika, Fakulta elektrotechniky a informatiky, Univerzita Pardubice (UPa).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Obsah
1. Opakování a prohloubení znalostí z teorie pravděpodobnosti. Kolmogorovův pravděpodobnostní prostor. Náhodná veličina. Pravděpodobnost. Distribuční funkce náhodné veličiny a náhodného vektoru. Nejdůležitější rozdělení.2. Popisná statistika. Statistický soubor. Polygon četností, graf kumulativních četností, Galtonova ogiva. Konstrukce histogramu, boxplotu, hvězdicový diagram.3. Rozlišení proměnných (nominální, ordinální, kvantitavní, dichotomické). Způsob výběru. Transformace proměnných. Výběrové číselné charakteristiky. Momenty. Kvantily. Míry šikmosti a špičatosti. Vztahy mezi průměry. Empirická distribuční funkce.4. Dvourozměrný statistický soubor. Četnostní tabulka. Míry korelace. Varianční matice. Oblasti spolehlivosti.5. Testování statistických hypotéz. Testy dobré shody. Testování nezávislosti v kontingenčních tabulkách. Poměr šancí. Neparametrické testy - znaménkový test, Wilcoxonův test, Kruskal-Wallisův test, Friedmanův test. Test náhodné procházky.6. Cenové indexy a koše zboží. Laspayresův, Paascheho a ideální Fisherův index.7. Časové řady. Klouzavé průměry. Exponenciální vyhlazování. Technické indikátory.8. Linerní regrese: historie a vývoj algoritmů: Boškovičova metoda, Lambertova metoda, Laplaceova metoda, metoda nejmenších čtverů.9. Nelineární regrese. Ortogonální regrese. Regresní modely s podmínkou.10. ANOVA. Plánování experimentu.11. Statistická kontrola kvality. Indexy způsobilosti. Přejímací plány.12. Metoda hlavních komponent. Faktorová analýza. Diskriminační analýza.13. Shluková analýza. Míry podobnosti a míry vzdálenosti. Algoritmus hierarchického shlukování. Algoritmus nehierarchického shlukování.
Získané způsobilosti
Student bude schopen aplikovat teorii pravděpodobnosti a statistické metody při řešení praktických úloh i v reálných situacích.
Literatura
Sirvastava, M., S. Methods of multoivariate statistics. Wiley, New York, 2002. Kubanová, J., Linda, B. Sbírka příkladů z pravděpodobnosti. Statis, 2004. Kubanová, J. Statistické metody pro ekonomickou a technickou praxi. Statis, 2004. Fahrmeir und koll. Statistik. Springer - Verlag. Berlin, 2004.
Požadavky
Předmět navazuje na kurzy Matematiky 1 a Matematiky 2 a základy teorie pravděpodobnosti a matematické statistiky v rozsahu obvyklém v bakalářském studiu ekonomických a technických škol.Aktivní účast na cvičení a maximálně 3 absence v semestru pro získání zápočtu. Úspěšné vykonání písemné práce je podmínkou pro připuštění k ústní zkoušce.
Garant
doc. Ing. Milan Javůrek, CSc.Mgr. Jaroslav Marek, Ph.D.
Vyučující
Mgr. Jaroslav Marek, Ph.D.RNDr. Josef Rak, Ph.D.Mgr. Jaroslav Marek, Ph.D.RNDr. Josef Rak, Ph.D.Ing. Karel Šimerda