B_PrSt Pravděpodobnost a statistika

Vysoká škola finanční a správní
zima 2021
Rozsah
2/1/0. 12 hodin KS/semestr. 6 kr. Ukončení: zk.
Vyučující
Ing. Hana Lipovská, Ph.D. (přednášející)
PaedDr. Renata Majovská, PhD. (přednášející)
Ing. Jana Galvis Rivera (cvičící)
RNDr. Petr Tesař, Ph.D. (cvičící)
Garance
PaedDr. Renata Majovská, PhD.
Katedra informatiky a matematiky (FES, KIM) – Katedry – Vysoká škola finanční a správní
Kontaktní osoba: Ivana Plačková
Rozvrh seminárních/paralelních skupin
B_PrSt/cAPH: každou sudou středu 15:45–16:29 S33, každou sudou středu 16:30–17:15 S33, P. Tesař
B_PrSt/cEKKV: každé liché pondělí 14:00–14:44 KV202, každé liché pondělí 14:45–15:30 KV202, P. Tesař
B_PrSt/cEKPH: každou lichou středu 8:45–9:29 E306, každou lichou středu 9:30–10:15 E306, kromě St 10. 11., kromě St 8. 12. ; a Po 15. 11. 17:30–19:00 E306, St 15. 12. 8:45–10:15 E306, J. Galvis Rivera
B_PrSt/cFPH: každou sudou středu 8:45–9:29 E306, každou sudou středu 9:30–10:15 E306; a Po 15. 11. 17:30–19:00 E306, J. Galvis Rivera
B_PrSt/cMMO: každou lichou středu 14:00–14:44 M26, každou lichou středu 14:45–15:30 M26, P. Tesař
B_PrSt/cMPH: každé sudé pondělí 8:45–9:29 E306, každé sudé pondělí 9:30–10:15 E306, J. Galvis Rivera
B_PrSt/pAPH: St 14:00–14:44 S33, St 14:45–15:30 S33, R. Majovská
B_PrSt/pEKFMPH: Po 14:00–14:44 E004, Po 14:45–15:30 E004, H. Lipovská
B_PrSt/pEKKV: každé liché pondělí 10:30–11:14 KV202, každé liché pondělí 11:15–12:00 KV202, každé liché pondělí 12:15–12:59 KV202, každé liché pondělí 13:00–13:45 KV202, P. Tesař
B_PrSt/pMMO: každou lichou středu 10:30–11:14 M26, každou lichou středu 11:15–12:00 M26, každou lichou středu 12:15–12:59 M26, každou lichou středu 13:00–13:45 M26, P. Tesař
B_PrSt/vAPH: So 2. 10. 8:00–9:30 S35, 9:45–11:15 S35, 11:30–13:00 S35, Pá 19. 11. 14:00–15:30 S35, 15:45–17:15 S35, 17:30–19:00 S35, R. Majovská
B_PrSt/vEKFPH: Pá 8. 10. 14:00–15:30 E306, 15:45–17:15 E306, 17:30–19:00 E306, So 23. 10. 8:00–9:30 E306, 9:45–11:15 E306, 11:30–13:00 E306, R. Majovská
B_PrSt/vMPH: So 13. 11. 9:45–11:15 E307, 11:30–13:00 E307, 14:00–15:30 E307, So 11. 12. 9:45–11:15 E307, 11:30–13:00 E307, 14:00–15:30 E307, R. Majovská
Předpoklady
Tento předmět nemá žádné předpoklady.
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Po absolvování předmětu budou studenti schopni používat základní pojmy popisné statistiky. Porozumí problémům statistických šetření a budou schopni zpracovávat data. Budou rozlišovat mezi prostým a intervalovým rozdělením četností, určovat počet intervalů (včetně grafického znázornění četností). Studenti budou schopni změřit polohu, variabilitu, šikmost a křivost rozdělení četností. Naučí se určovat korelaci a lineární regresi.
Budou schopni používat základní pojmy teorie pravděpodobnosti, vypočítat empirickou a teoretickou pravděpodobnost, vytvářet stromové diagramy, Vennovy diagramy, používat vlastnosti pravděpodobnostních čísel, zákon velkých čísel. V oblasti náhodných proměnných budou studenti znát některá diskrétní rozdělení pravděpodobnosti.
Výstupy z učení
Po absolvování kurzu bude student schopen:
- zpracovávat a analyzovat kvantitativní a kvalitativní data,
- najít charakteristiky polohy a variability, korelační koeficient
- vypočítat pravděpodobnosti.
Osnova
  • 1. Definice statistiky, historie statistiky, klasifikace dat, sběr dat a návrh statistické analýzy
  • 2. Popisná statistika: Zpracování dat slovní proměnné
  • 3. Zpracování dat numerické proměnné (malý datový soubor), charakteristiky polohy, variability
  • 4. Další charakteristiky, šikmost, špičatost, kvantily, krabicový graf
  • 5. Rozdělení četností, intervaly
  • 6. Charakteristiky polohy a variability číselné proměnné (velký soubor dat)
  • 7. Šikmost a špičatost souboru dat (velký soubor dat), Empirické pravidlo a testování normality, Chebyshevova věta
  • 8. Lineární korelace, lineární regrese
  • 9. Pravděpodobnost: Pravděpodobnost jevu, empirická, teoretická, subjektivní pravděpodobnost, vlastnosti čísel pravděpodobnosti, zákon velkých čísel
  • 10. Podmíněná pravděpodobnost, Pravidla pravděpodobnosti, Nezávislé jevy,
  • 11. Náhodná veličina, pravděpodobnostní a distribuční funkce, charakteristiky náhodných veličin
  • 12. Příklady diskrétních a spojitých rozdělení, centrální limitní věta
Literatura
    povinná literatura
  • BÍLKOVÁ, Diana, Petr BUDINSKÝ a Václav VOHÁNKA. Pravděpodobnost a statistika. 1. vydání. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, s.r.o, 2009, 658 s. ISBN 978-80-7380-224-0. info
  • CYHELSKÝ, Lubomír a Eduard SOUČEK. Základy statistiky. Praha: Vysoká škola finanční a správní, 2009, 164 s. ISBN 978-80-7408-013-5. info
    doporučená literatura
  • ARLTOVÁ, Markéta, Diana BÍLKOVÁ a ET AL. Sbírka příkladů ze statistiky. Statistika A. Praha: Oeconomica, 2000, 272 s. ISBN 80-7079-727-4. info
Výukové metody
Přednášky a cvičení v prezenční formě studia; řízené skupinové konzultace v kombinovaném studiu, ve cvičení budou zahrnuty ukázky použití MS Excel. Minimální povinná účast na seminářích v prezenční formě je 75 %, v kombinovaném studiu 50 %. Studenti, kteří nesplní povinnou úroveň účasti, mohou dostat další studijní povinnosti. Studenti s ISP mají stejné povinnosti. Povinná docházka není vyžadována.
Metody hodnocení
Zápočet:
- 1 písemný test, je nutné získat z testu alespoň 50 % bodů;
- 1 semestrální práce z oblasti deskriptivní statistiky, je potřeba získat alespoň 75 % bodů;
Zkouška:
- 1 písemný test, z testu je nutné získat alespoň 60 % bodů;
- ústní zkouška: student odpoví 2 teoretické otázky;
Informace učitele
Předpokladem zvládnutí obsahu tohoto předmětu jsou matematické znalosti v rozsahu vysokoškolské matematiky. Prerequisite for mastering the content of this course are mathematical knowledge in a range of   university mathematics.
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2016, zima 2017, zima 2018, zima 2019, zima 2020, zima 2022, zima 2023, zima 2024.