Statistické výp. prostředí a vizualizace

Zkratka předmětu KMI/SVV
Název předmětu Statistické výp. prostředí a vizualizace
Akademický rok 2019/2020
Pracoviště / Zkratka KMI/SVV
Název Statistické výpočetní prostředí a vizualizace dat
Akreditováno/Kredity Ano/5
Rozsah hodin Přednáška 2 HOD/TYD Cvičení 1 HOD/TYD
Vyučovací jazyk čeština
Nahrazovaný předmět
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

Přednášky:
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;
Cvičení:
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
Ekvivalence: KMI/YSCEV Stat. Comp. Envir. And Visualisation

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
  • Dalgaard P. Introductory Statistics with R. Springer, 2002. ISBN 0-387-95475-9.
  • 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.
  • 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), Dialogická (diskuze, rozhovor, brainstorming)

Hodnotící metody

Kombinovaná zkouška, Test

Stáhnout jako PDF