Course: Data Collecting and Processing

« Back
Course title Data Collecting and Processing
Course code AUM/LASSD
Organizational form of instruction Lecture
Level of course Bachelor
Year of study not specified
Semester Summer
Number of ECTS credits 3
Language of instruction Czech
Status of course Compulsory, Compulsory-optional
Form of instruction Face-to-face
Work placements This is not an internship
Recommended optional programme components None
Lecturer(s)
  • Fajkus Martin, RNDr. Ph.D.
  • Veselík Petr, Ing. Ph.D.
Course content
- a brief review of combinatorics and elementary probability - introduction to probability theory, event, properties of probability, conditional probability, the law of total probability, Bayes´ theorem - random variable, cumulative distribution function, probability function and probability density function - random vector, marginal functions - characteristics of random variable and random vector - basic discrete probability distributions and their applications - basic continuous probability distributions and their applications - the law of large numbers and central limit theorem - descriptive statistics - basic characteristics and their interpretation; processing statistical data - point and interval estimations - statistical testing; check of normality; parametric tests - goodness-of-fit test and nonparametric tests - analysis of qualitative data - introduction to correlation and regression analysis; least square method

Learning activities and teaching methods
Monologic (Exposition, lecture, briefing), Demonstration, Projection (static, dynamic), Exercises on PC
  • Home preparation for classes - 2 hours per semester
  • Preparation for course credit - 13 hours per semester
  • Participation in classes - 42 hours per semester
prerequisite
Knowledge
Knowledge of differential and integral calculus (min. as in the subjects Mathematics I, Mathematics II) Basic knowledge of linear algebra.
Knowledge of differential and integral calculus (min. as in the subjects Mathematics I, Mathematics II) Basic knowledge of linear algebra.
learning outcomes
Po absolvování předmětu student zejména: - objasní základní principy kombinatoriky - vypočítá příklady s podmíněnou pravděpodobností - objasní pojem "náhodná veličina" a stanoví její distribuční funkci a pravděpodobnostní funkci, resp. hustotu pravděpodobnosti - vypočítá střední hodnotu a rozptyl náhodné veličiny - rozpozná konkrétní diskrétní a spojitá rozdělení pravděpodobnosti - definuje základní pojmy popisné statistiky - analyzuje reálné datové soubory - ověří předpoklady o datech - zpracuje daná statistická data - zvolí a provede vhodný test při testování statistických hypotéz - interpretuje získané výsledky
Po absolvování předmětu student zejména: - objasní základní principy kombinatoriky - vypočítá příklady s podmíněnou pravděpodobností - objasní pojem "náhodná veličina" a stanoví její distribuční funkci a pravděpodobnostní funkci, resp. hustotu pravděpodobnosti - vypočítá střední hodnotu a rozptyl náhodné veličiny - rozpozná konkrétní diskrétní a spojitá rozdělení pravděpodobnosti - definuje základní pojmy popisné statistiky - analyzuje reálné datové soubory - ověří předpoklady o datech - zpracuje daná statistická data - zvolí a provede vhodný test při testování statistických hypotéz - interpretuje získané výsledky
clarify the basic principles of combinatorics
clarify the basic principles of combinatorics
calculate examples with conditional probability
calculate examples with conditional probability
clarify the concept of "random variable" and determine its distribution function and probability function, respectively probability density
clarify the concept of "random variable" and determine its distribution function and probability function, respectively probability density
calculate the mean value and variance of a random variable
calculate the mean value and variance of a random variable
recognize specific discrete and continuous probability distributions
recognize specific discrete and continuous probability distributions
define the basic concepts of descriptive statistics
define the basic concepts of descriptive statistics
analyze real data sets
analyze real data sets
verify assumptions about the data
verify assumptions about the data
process given statistical data
process given statistical data
select and perform an appropriate test for testing statistical hypotheses
select and perform an appropriate test for testing statistical hypotheses
interpret obtained results
interpret obtained results
Skills
Po absolvování předmětu student zejména: - nalezne ve statistických tabulkách hodnotu distribuční funkce daného rozdělení - nalezne ve statistických tabulkách kvantil, resp. kritickou hodnotu daného rozdělení - vypočítá v Excelu (příp. jiném sw prostředí) hodnoty distribuční funkce, pravděpodobnostní funkce, resp. hustoty pravděpodobnosti - vytvoří v Excelu (příp. jiném sw prostředí) četnostní tabulku pro zadaná data - vytvoří v Excelu (příp. jiném sw prostředí) kontingenční tabulku pro zadaná data
Po absolvování předmětu student zejména: - nalezne ve statistických tabulkách hodnotu distribuční funkce daného rozdělení - nalezne ve statistických tabulkách kvantil, resp. kritickou hodnotu daného rozdělení - vypočítá v Excelu (příp. jiném sw prostředí) hodnoty distribuční funkce, pravděpodobnostní funkce, resp. hustoty pravděpodobnosti - vytvoří v Excelu (příp. jiném sw prostředí) četnostní tabulku pro zadaná data - vytvoří v Excelu (příp. jiném sw prostředí) kontingenční tabulku pro zadaná data
use Excel (or other sofware) to calculate combinatorics problems and to perform statistical tests
use Excel (or other sofware) to calculate combinatorics problems and to perform statistical tests
find in statistical tables the value of the distribution function of the given distribution
find in statistical tables the value of the distribution function of the given distribution
find quantiles or critical value of the given distribution in statistical tables
find quantiles or critical value of the given distribution in statistical tables
calculates the values of the distribution function, probability function, or probability density in Excel (or other software)
calculates the values of the distribution function, probability function, or probability density in Excel (or other software)
create a frequency table for given data in Excel (or other software)
create a frequency table for given data in Excel (or other software)
create a pivot table for given data in Excel (or other software)
create a pivot table for given data in Excel (or other software)
teaching methods
Knowledge
Demonstration
Demonstration
Projection (static, dynamic)
Projection (static, dynamic)
Exercises on PC
Exercises on PC
Monologic (Exposition, lecture, briefing)
Monologic (Exposition, lecture, briefing)
assessment methods
Grade (Using a grade system)
Grade (Using a grade system)
Systematic observation of the student
Systematic observation of the student
Recommended literature
  • BUDÍKOVÁ, M., KRÁLOVÁ, M., MAROŠ B. Průvodce základními statistickými metodami. Praha, 2010. ISBN 978-80-247-3243-5.
  • HENDL, J. Přehled statistických metod. Praha, 2015. ISBN 978-80-262-0981-2.
  • JAROŠ, F., PAVLÍK, J., TURZÍK, D., VESELÝ P. Pravděpodobnost a statistika. Praha, 2002. ISBN 80-7080-474-2.
  • NEUBAUER, J., SEDLAČÍK, M., KŘÍŽ, O. Základy statistiky. Praha, 2016. ISBN 978-80-247-5786-5.
  • PAVLÍK, J., LOUČKA M., VESELÝ P., 2011. Sbírka příkladů z pravděpodobnosti a matematické statistiky. Praha, 2011. ISBN 80-7080-366-5.
  • PECK, R., OLSEN, Ch., DEVORE, J.,L. Introduction to Statistics and Data Analysis. Boston, 2016. ISBN 978-1305267244.


Study plans that include the course
Faculty Study plan (Version) Category of Branch/Specialization Recommended year of study Recommended semester