Statistické výp. prostředí a vizualizace

Zkratka předmětu KMI/KSVV
Název předmětu Statistické výp. prostředí a vizualizace
Akademický rok 2019/2020
Pracoviště / Zkratka KMI/KSVV
Název Statistické výpočetní prostředí a vizualizace
Akreditováno/Kredity Ano/5
Rozsah hodin Přednáška 16 HOD/SEM
Vyučovací jazyk čeština
Nahrazovaný předmět KMI/SVV
Vyloučené předměty
Podmiňující
Způsob zakončení Zkouška
Forma zakončení Kombinovaná
Zápočet před zkouškou Ano
Vyučovaný semestr Zimní
Cíle předmětu (anotace)

Seznámení posluchačů se základy zpracování dat a jejich vizualizací prostřednictvím moderního softwarového vybavení.

Požadavky na studenta

Ověření nabytých znalostí bude realizováno prostřednictvím 2 testů. Jednoho zápočtového a jednoho zkouškového testu (oba písemné).
Požadavky k zápočtu:
Semináře jsou založeny na individuální práci posluchačů. Semináře jsou v přímé vazbě na přednášky. Posluchači pracují v průběhu semináře s programovacím prostředím R.

Požadavky ke zkoušce:
K vykonání písemné části zkoušky je nutno vyřešit nadpoloviční většinu zadaných příkladů.

Obsah

Témata
1 - současný statistický software, výhody a nevýhody, historie programovacího prostředí R;
2 - instalace a konfigurace na platformě MS Windows, přehled dostupných knihoven;
3 - vybrané matematické a statistické funkce;
4 - grafické příkazy a parametry, simulace a využití metafunkcí v R;
5 - objekty programovacího prostředí (data frame, list, array, ts, matrix,?);
6 - způsoby editace dat, manipulace s daty, princip vektorizace, logické funkce;
7 - vybrané metody statistické indukce a způsob jejich provedení v programovacím prostředí R;
8 - moderní způsoby vizualizace dat, vizualizace jednorozměrných dat;
9 - vizualizace vícerozměrných dat;
10 - grafika ve statistickém software, knihovna lattice a její možnosti při statistickém vyhodnocování dat;
11 - základy programování a tvorba vlastních funkcí v prostředí R;
12 - objektově orientované programování v R;
13 - zajímavosti: nové trendy, statistický software na jiných operačních systémech. Živé distribuce Linuxu a statistický software;

Předpoklady - další informace k podmíněnosti studia předmětu

Prerekvizity: KMI/TPS2 nebo KMI/TPS2A Teorie pravděpodobnosti a statistika 2

Získané způsobilosti

Studenti rozumí principům vybraných statistických metod. Jsou schopni využívat programovací prostředí R k analýze a vizualizaci dat.

Garanti a vyučující
  • Garanti: Ing. Michael Rost, Ph.D.
  • Přednášející: Ing. Michael Rost, Ph.D.
  • Cvičící: Ing. Michael Rost, Ph.D.
Literatura
  • Hendl, J. Přehled statistických metod zpracování dat. Praha: Portál, 2006. ISBN 80-7367-123-9.
  • Meloun, M., Militký J. Zpracování experimentálních dat. Praha : Plus, 1994.
  • Everitt B. S. An R and S-Plus Companion to Multivariate Analysis. Springer, 2005. ISBN 1-85233-882-2.
  • Maindonald, J., Braun, J. Data Analysis and Graphics Using R. Cambridge : Cambridge University Press, 2003. ISBN 0-521-81336-0.
  • Dalgaard P. Introductory Statistics with R. Springer, 2002. ISBN 0-387-95475-9.
  • Faraway, J. Linear Models with R. Boca Raton : Chapman & Hall/CRC, FL, 2004. ISBN 1-584-88425-8.
  • Venables, W., N., Ripley, B.D. Modern Applied Statistics with S. New York : 4th ed, 2002. ISBN 0-387-95457-0.
Vyučovací metody

Monologická (výklad, přednáška, instruktáž), Práce s multimediálními zdroji (texty, internet, IT technologie)

Hodnotící metody

Kombinovaná zkouška, Test

Stáhnout jako PDF