|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KMA / 7ZAST
:
Popis předmětu
Pracoviště / Zkratka
|
KMA
/
7ZAST
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Základy statistiky pro přírodní vědy
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
4
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ne
|
Zápočet před zkouškou
|
Ne
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
-
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
26 / -
|
0 / 0
|
0 / 0
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
-
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je objasnit studentům základní metody zpracování kvantitativních dat v přírodních vědách a interpretaci výsledků analýz. Studenti se seznámí jak s metodami deskriptivní analýzy dat (charakteristiky polohy a variability, momentové charakteristiky) a grafického zobrazení dat, tak také s pokročilejšími metodami inferenční statistiky (statistické testy, statistické modely). V teoretické rovině bude kladen důraz na porozumění teorie pravděpodobnosti a jejího využití ve statistických testech, v praktické rovině potom na problematiku přípravy dat pro analýzy (příprava designu experimentu), interpretaci výsledků a jejich prezentaci ve vědecké publikaci.
Cvičení probíhá na jednotlivých katedrách a jeho cílem je jednak praktické použití učiva přednášky, jednak řešení problémů specifických pro jednotlivé vědní obory.
|
Požadavky na studenta
|
Hodnocení studenta proběhne v souladu s pravidly specifikovanými v článcích 31-33 Studijního a zkušebního řádu Ostravské univerzity.
Zkouška bude považována za úspěšně vykonanou, budou-li splněny všechny následující podmínky:
- úspěšné absolvování praktického testu (analýza dat)
- úspěšné absolvování písemného testu ze znalostí statistických metod a interpretace dat
|
Obsah
|
Přednášky
1. Význam statistiky v přírodních vědách, vědecká metodologie a statistika
2. Data a práce s nimi. Základní a výběrový soubor.
3. Deskriptivní statistika. Rozdělení četnosti. Charakteristiky polohy a variability. Přesnost odhadu průměru, střední chyba. Komplexní exploratorní analýza dat.
4. Pravděpodobnost. Náhodné veličiny, distribuční funkce, hustota pravděpodobnosti. Typy rozdělení náhodné veličiny.
5. Metody testování statistických hypotéz. Hladina významnosti. Chyba I. a II. typu.
6. Statistické testy (parametrické, neparametrické, testy dobré shody).
7. Testování závislosti dvou proměnných (kontingenční tabulky, korelace, regrese, ANOVA, pokročilé metody).
8. Moderní trendy ve statistice (lineární modely, bayesiánská statistika, ML metody)
Cvičení:
Oborově specifické v návaznosti na přednášky.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
-
Garanti:
doc. Mgr. Pavel Drozd, Ph.D. (100%),
-
Přednášející:
doc. Mgr. Pavel Drozd, Ph.D. (100%),
-
Cvičící:
doc. RNDr. Petr Bujok, Ph.D. (14%),
doc. Mgr. Pavel Drozd, Ph.D. (16%),
Mgr. Karel Fiala (100%),
Mgr. Martin Navrátil, Ph.D. (14%),
Mgr. Lukáš Novotný, Ph.D. (14%),
Ing. Pavel Rusnok (100%),
Mgr. Gabriela Zelenková, Ph.D. (14%),
doc. RNDr. Jan Ženka, Ph.D. (14%),
|
Literatura
|
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Domácí příprava na výuku
|
12
|
Příprava na zkoušku
|
30
|
Účast na výuce
|
44
|
Samostudium
|
22
|
Celkem
|
108
|
|
Předpoklady
|
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
- student bude chápat význam kvantitativní analýzy dat v přírodních vědách |
- student bude zvládat základy deskriptivní statistiky a exploratorní analýzy dat |
- student bude rozumět principu testování statistických hypotéz ve vztahu k teorii pravděpodobnosti |
- student bude znát základní typy statistických testů |
- student bude rozumět principům testování závislosti dvou proměnných |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
- student bude umět vypočítat charakteristiky polohy a variability dat a bude je umět interpretovat |
- student bude umět vytvářet a interpretovat základní statistické grafy |
- student bude umět testovat statistické hypotézy a interpretovat výsledky těchto analýz |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Písemná zkouška |
IC6 - Ústní zkouška |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
A1 - Přednáška |
C3 - Práce s grafem/schématem/pojmovou mapou |
E1 - Metody heuristické, badatelské, výzkumné |
C5 - Statická a dynamická projekce/prezentace |
|
|
|
|