MASKNavazující magisterské · 11 zápisků · #mask
Metody aplikované statistiky (masK)
Aktualizováno 2026-10-02 · AI-generováno z přednášek a literatury · ručně ověřeno
Témata
6 položek- Kontingenční tabulkyχ² test nezávislosti, očekávané četnosti, Cramérův koeficient V, McNemarův test
- Náhodné veličiny a rozdělení pravděpodobnostidistribuční funkce, hustota, střední hodnota a rozptyl, normální rozdělení a standardizace, rozdělení χ², t a F; `pnorm`, `qnorm`, `dnorm`
- Popisná statistika a datové souboryzákladní a výběrový soubor, empirické charakteristiky, kvantily (`type = 6`), empirická distribuční funkce, třídění do tříd, histogram
- Regresní a korelační analýzaregresní přímka, index determinace, nelineární regrese (`nls2`), vícenásobná regrese a stepwise, VIF, Durbin-Watson, White, korelační koeficient
- Regulační diagramy a indexy způsobilostináhodné a vymezitelné příčiny, diagramy (x̄, R), (x̄, s), (xᵢ, R_kl), c, u, np, p v `qcc`; indexy Cp, Cpk, Cpm, Cpmk
- Testování statistických hypotézH0/H1, chyby I. a II. druhu, kritický obor, p-hodnota; jednovýběrový, párový a dvouvýběrový t-test, F-test, Shapiro-Wilk, Kolmogorov-Smirnov, Wilcoxon, Kruskal-Wallis, Friedman
Metody aplikované statistiky (masK)
- Fakulta: Fakulta podnikatelská VUT v Brně
- Garant: Ing. Karel Doubravský, Ph.D.
- Garantující ústav: Ústav kvantitativního inženýrství
- Vyučující (kombinované studium): Mgr. Eva Michalíková, Ph.D.
- Ukončení: zkouška (písemný test v počítačové učebně, řešení 2–3 příkladů v programu R)
- Semestr: zimní
Cíl předmětu
Cílem kurzu je naučit se pracovat s náhodnými veličinami, zpracovat a vyhodnotit statistický materiál, používat metody statistické regulace procesu a určit a vyhodnotit indexy způsobilosti.
Předpokládají se základní znalosti teorie pravděpodobnosti, popisné statistiky a matematické statistiky.
Hodnocení
Zkoušku tvoří písemný test na přibližně 45 minut v počítačové učebně, ve kterém student řeší 2 až 3 příklady v programu R. Pro úspěšné složení je nutné získat alespoň 50 bodů ze 100.
| Známka | Body |
|---|---|
| A | 90–100 |
| B | 80–89 |
| C | 70–79 |
| D | 60–69 |
| E | 50–59 |
| F | méně než 50 |
Náplň kurzu
Kurz probírá látku v šesti navazujících celcích:
- Náhodné veličiny a rozdělení pravděpodobnosti — distribuční funkce, hustota pravděpodobnosti, normální rozdělení a odvozená rozdělení t, χ² a F.
- Popisná statistika a datové soubory — empirické charakteristiky, kvantily, empirická distribuční funkce, třídění naměřených dat do tříd a histogram.
- Testování statistických hypotéz — jednovýběrový a párový t-test, F-test, dvouvýběrový t-test, testy normality a jejich neparametrické alternativy.
- Regresní a korelační analýza — regresní přímka, nelineární a vícenásobná regrese, korelace a diagnostika modelu.
- Kontingenční tabulky — test nezávislosti dvou kvalitativních znaků, Cramérův koeficient kontingence a McNemarův test pro párovaná data.
- Regulační diagramy a indexy způsobilosti — regulační diagramy pro regulaci měřením a srovnáváním, indexy způsobilosti , , a .
Přednášky
Látka kurzu je shrnuta do tří přehledů podle tematických celků a doplněna sylabem předmětu:
- Náhodné veličiny, datové soubory a testy hypotéz
- Regresní analýza a kontingenční tabulky
- Regulační diagramy a indexy způsobilosti
- Detail předmětu
Příprava na zkoušku
- masK — Tahák pro R — přehled volby statistického testu podle situace a funkcí v R použitých v kurzu.