Předmět | Statistika pro techniky (ST) |
---|---|
Garantuje | Katedra matematiky (KM) |
Garant | RNDr. Ing. Martina Zámková, Ph.D. ( jarosovm@vspj.cz ) |
Jazyk | česky |
Počet kreditů | 5 |
Prezenční studium | |
---|---|
Přednáška | 2 h |
Cvičení | 2 h |
Kombinované studium | |
Tutoriál / přednáška | 6 h |
Cvičení | 8 h |
Studijní plán | Typ | Sem. | Kred. | Ukon. |
---|---|---|---|---|
Aplikovaná informatika - kombi, platný od ZS 2019/2020 | P | 2 | 5 kr. | Z,ZK |
Aplikovaná informatika - kombi, platný od ZS 2021/2022 | P | 2 | 5 kr. | Z,ZK |
Aplikovaná informatika - platný od ZS 2019/2020 | P | 2 | 5 kr. | Z,ZK |
Aplikovaná informatika - platný od ZS 2021/2022 | P | 2 | 5 kr. | Z,ZK |
Erasmus - Aplikovaná informatika - příjezd na krátkodobý studijní pobyt | PV | 1 | 5 kr. | Z,ZK |
Cílem tohoto kurzu je seznámit studenty se základními statistickými pojmy a postupy při zpracování a analýze empirických dat v oboru elektrotechniky a informatiky. Ve druhé části předmětu jde pak o pochopení základních pojmů pravděpodobnosti a principů práce s diskrétními a spojitými náhodnými veličinami s důrazem na prakticky v daném oboru využívaná rozdělení, především na normální rozdělení pravděpodobnosti spojité náhodné veličiny. Poslední částí jsou elementy matematické statistiky, práce s náhodným výběrem a základní úlohy statistické indukce (odhady, testy hypotéz) o středních hodnotách normálního a alternativního rozdělení.
Znalosti: Student chápe a ovládá základní principy popisné statistiky — vznik datového souboru jako výsledek měření, třídění datového souboru a určování jeho významných hodnot. Rozumí základním statistickým vlastnostem datového souboru a ovládá principy jejich měření pomocí souhrnných charakteristik (měření úrovně, variability a rámcově i dalších vlastností, s důrazem na charakteristiky založené na momentech). Student umí pracovat s rozděleními pravděpodobnosti vybraných rozdělení diskrétních a spojitých náhodných veličin. Student chápe a ovládá základní principy statistické indukce (bodový a intervalový odhad, testování hypotéz) založené na normalitě náhodných veličin. Je schopen samostatné interpretace příslušných charakteristik. Chápe princip metody nejmenších čtverců a její uplatnění při měření stochastických závislostí.
Dovednosti: Student umí provést bodové nebo intervalové třídění číselných dat, prezentovat ho tabulkou i graficky a určit významné hodnoty datového souboru. Student umí vypočítat souhrnné charakteristiky souboru tříděných i netříděných dat a získané výsledky interpretovat. Student umí nakreslit grafy pravděpodobnostních a distribučních funkcí, resp. hustot několika základních rozdělení pravděpodobnosti diskrétních a spojitých veličin a určit jejich charakteristiky polohy a variability. Student umí řešit úlohy s normálním rozdělením pravděpodobnosti. Student umí konstruovat bodové a intervalové odhady neznámých parametrů rozdělení založené na normalitě. Student umí řešit a interpretovat výsledky několika základních testů hypotéz o parametrech rozdělení založené na normalitě testových kritérií. Umí naměřené hodnoty proložit regresní čarou a interpretovat získané výsledky. Student umí pracovat a řešit úlohy ve statistických výpočetních systémech a interpretovat získané výsledky.
Obecné způsobilosti: Student je orientován v oblasti základů popisné a matematické statistiky. Chápe význam pravděpodobnosti, principu praktické jistoty a pojmu rizika. Znalosti pravděpodobnosti náhodných jevů a veličin je schopen aplikovat na jednoduché případy statistické indukce založené na normalitě rozdělení příslušných náhodných veličin. Je schopen měřit průběh a intenzitu stochastických závislostí. Je schopen své znalosti vhodně uplatnit v ostatních předmětech svého studijního oboru a při zpracování bakalářské práce.