Předmět: Inženýrská statistika

« Zpět
Název předmětu Inženýrská statistika
Kód předmětu TUFMI/TWC4S
Organizační forma výuky bez kontaktní výuky
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 0
Vyučovací jazyk Čeština
Statut předmětu nespecifikováno
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Ponížil Petr, prof. RNDr. Ph.D.
Obsah předmětu
- Generátory pseudonáhodných čísel s rovnoměrným a normálním rozdělením. - Chování náhodných veličin. - Popisná statistika. - Formulace statistických hypotéz a jejich testování. - Testování a interpretace závislostí mezi veličinami (korelační analýza, regresní analýza, metoda nejmenších čtverců, Fourierova analýza).

Studijní aktivity a metody výuky
Metody práce s textem (učebnicí, knihou), Individuální práce studentů
  • Příprava na zkoušku - 50 hodin za semestr
Předpoklady
Odborné znalosti
Znalosti matematiky a fyziky.
Znalosti matematiky a fyziky.
Výsledky učení
otestovat statistickou hypotézu
otestovat statistickou hypotézu
vysvětlit lineární regresní modely
vysvětlit lineární regresní modely
vysvětlit nelineární regresní modely
vysvětlit nelineární regresní modely
definovat jedno a dvoufaktorovou ANOVA
definovat jedno a dvoufaktorovou ANOVA
navrhnout vhodné neparametrické testy
navrhnout vhodné neparametrické testy
Odborné dovednosti
využít základní i pokročilejší statistické metody při zpracování experimentálních dat
využít základní i pokročilejší statistické metody při zpracování experimentálních dat
provést testování statistických hypotéz
provést testování statistických hypotéz
vypočítat parametry regresních modelů a otestovat je
vypočítat parametry regresních modelů a otestovat je
analyzovat jedno a dvoufaktorovou ANOVA
analyzovat jedno a dvoufaktorovou ANOVA
otestovat data s využitím neparametrických testů
otestovat data s využitím neparametrických testů
Vyučovací metody
Odborné znalosti
Individuální práce studentů
Individuální práce studentů
Metody práce s textem (učebnicí, knihou)
Metody práce s textem (učebnicí, knihou)
Odborné dovednosti
Individuální práce studentů
Individuální práce studentů
Praktické procvičování
Praktické procvičování
Hodnotící metody
Odborné znalosti
Ústní zkouška
Ústní zkouška
Doporučená literatura
  • DAS, N.C. Experimental Designs in Data Science with Least Resources. Shroff Publishers, 2018. ISBN 978-9352136889.
  • Devore, Jay L. Probability and statistics for engineering and the sciences. 6th ed. Belmont, CA : Thomson-Brooks/Cole, 2004. ISBN 534399339.
  • FREEDMAN, D., PISANI, R., PURVES, R. Statistics. W.W. Norton & Company, 2007. ISBN 0393930432.
  • Hogg, Robert V. Introduction to mathematical statistics. 6th ed. Upper Saddle River, NJ ; London : Pearson Prentice Hall, 2005. ISBN 130085073.
  • Jiří Neubauer, Marek Sedlačík, Oldřich Kříž. Základy statisticky. Aplikace v technických a ekonomických oborech. Praha, 2012. ISBN 978-80-247-4273-1.
  • MELOUN, M., MILITKÝ, J. Statistické zpracování experimentálních dat. Praha: Plus, 1995.
  • MERRIN, J. Introduction to Error Analysis: The Science of Measurements, Uncertainties, and Data Analysis. CreateSpace Independent Publishing Platform, 2017. ISBN 978-1975906658.
  • MONTGOMERY, D. C., RUNGER, G. C. Applied statistics and Probability for Engineers. New York : Wiley, 1994. ISBN 0471540412.
  • NATRELLA, M.G. Experimental Statistics. Mineola, New York: Dover Publications, 2005. ISBN 9780486154558.
  • Orvis, W.J. Excel pro vědce a inženýry. Computer Press, 1996.
  • RASCH, D., SCHOTT, D. Mathematical Statistics. Hoboken: Wiley, 2018. ISBN 978-1-119-38528-8.
  • Rogers, L. and D. Willoughby. Numbers: Data and Statistics for Non-specialists.. London: Harper Collins, 2013. ISBN 978-0007507153.
  • ROSS, S.M. Introductory Statistics. 4th Ed. Amsterdam: Elsevier/AP, 2017. ISBN 978-0-12-804317-2.
  • UTTS, J.M., HECKARD, R.F. Mind on Statistics. 5th Ed. Stamford: Cengage Learning, 2015. ISBN 978-1-285-46318.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr