čeština

Absolvováním předmětu student získá nové znalosti a zkušenosti v oblastech:
1. Základních statistických postupů analýzy experimentálních dat, základní statistické zpracování výsledků analýz.
2. Metod numerického zpracování jednorozměrných dat, základy deskriptivní statistiky
3. Testování statistických hypotéz
4. Metod konfirmační analýzy (např. intervaly spolehlivosti, regresní analýza ap.) a explorační analýzy (např. shluková analýza, explorační faktorová analýza, metoda hlavních komponent (PCA),
5. Základy vícerozměrné analýzy
6. Praktické použití získaných poznatků při zpracování experimentálních dat z vybraných tématických okruhů v prostředí MS-Excel. popř. Statistica

Základní znalosti matematické statistiky a počtu pravděpodobnosti v rozsahu středoškolského studia, schopnost pracovat v prostředí MS Excel.

Výuka předmětu je realizována formou: Přednáška - 2 vyučovací hodiny týdně. Vyučujícím a studentům je k dispozici e-learningový systém LMS Moodle.

Úspěšné absolvování zápočtového testu and odevzdání vyhovující seminární práce.

1. Úvod, základní pojmy, chyby výsledků.
2. Popisné charakteristiky statistických souborů. Míry úrovně: aritmetický průměr, modus, medián, soustava kvantilů. Míry variability: variační rozpětí, rozptyl, směrodatná odchylka, variační koeficient.
3. Pravděpodobnost a statistika. Rozdělení pravděpodobnosti.
4. Základy statistické indukce - Bodový odhad, Intervalový odhad, Testy statistických hypotéz, Základní parametrické a neparametrické testy (jednovýběrový T- test, dvouvýběrový T- test, párový T- test, neparametrické testy).
5. Regresní analýza. Regresní modely jednoduché závislosti. Volba a výpočet regresních funkcí. Lineární regresní funkce interpretace jejich parametrů. Hodnocení kvality regresních funkcí.
6. Korelační analýza: principy hodnocení těsnosti (intenzity) závislosti, korelační modely, korelační koeficienty.
7. Multivariační statistické metody - Faktorová analýza (FA), Shluková analýza, diskriminační analýza (DA), korespondenční analýza (CA), analýza hlavních komponent (PCA).
8. Souhrn aplikace vícerozměrných metod v analýze dat.
9. Praktické použití získaných poznatků při zpracování experimentálních dat z vybraných tématických okruhů v prostředí MS-Excel. popř. Statistica.
10. Práce se MS-Excel, SW Statistica - základy
11. Deskriptivní statistika - SW Statistica
12. Regresní a korelační analýza - SW Statistica
13. Příklady vícerozměrné analýzy - SW Statistica

Cílem předmětu je prohloubení a doplnění znalostí v oblasti statistiky, metod deskriptivní statistiky, metod statistických analýz (jednorozměrná analýza a mnohorozměrná analýza dat), statistického zpracování experimentálních dat. Seznámení se specifikým zpracováním experimentálních dat v environmentální analýze.

Účast na přednáškách je doporučená, ale není kontrolována. Pro studenty kombinované formy jsou organizovány konzultace v rozsahu přednášek pro studenty denní formy studia.
Konzultace jsou poskytovány i studentům denního studia na vyžádání.
Nedílnou součástí výuky i kombinované formě výuky je e-learning výukový kurz rozdělen do bloků, v rámci které jsou studentům k dispozici pro podporu učení, včetně elektronických učebnic, prezentací, přednášek a dalších doplňkových materiálů.

M. Meloun, J. Militký, Kompendium statistického zpracování dat. Academia 2001, ISBN 80-200-1008-4
Doležalová: Studijní opory.https://www.vutbr.cz/elearning/course (CS)
Hebák,P., Hustopecký, J. et al.:Vícerozměrné statistické metody. Praha: Informatorium, 2004. (CS)
J. Pavlík a kol., Aplikovaná statistika, VŠCHT Praha, 2005, ISBN 80-7080-569-2
Miller J.N., Miller J.C.: Statistics and Chemometrics for Analytical Chemistry. Pearson, Harlow 2005 (CS)
Richard C. Graham: Data Analysis for the Chemical Sciences. VCH Publishers, Inc., New York, 1993, ISBN 1-56081-048-3 (CS)