546-0182/02 – Metody zpracování a analýzy dat (MAD)
| Garantující katedra | Katedra environmentálního inženýrství | Kredity | 6 |
| Garant předmětu | Mgr. Oldřich Motyka, Ph.D. | Garant verze předmětu | Mgr. Oldřich Motyka, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 1 | Semestr | zimní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2022/2023 | Rok zrušení | |
| Určeno pro fakulty | HGF | Určeno pro typy studia | navazující magisterské, bakalářské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Studenti se naučí analyzovat a hodnotit kvantitativní, semikvantitativní i kvalitativní data. Budou schopni tato data správně popsat a vizualizovat s využitím deskriptivní statistiky, identifikovat a ověřit chybné a odlehlé hodnoty a rozdělení, z něhož data pocházejí. Rovněž budou schopni formulovat statistickou hypotézu, použít vhodné testové statistiky a správně interpretovat výsledky. Získají rovněž dovednosti v rámci korelační a regresní analýzy dat, mnohorozměrné analýzy a prostorové analýzy dat.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Studenti budou seznámeni se způsoby přípravy vzorkovacího plánu, sběru, úpravy a hodnocení dat. Naučí se správně používat a interpretovat statistické metody s ohledem na specifika konkrétních typů dat. Práce s daty bude probíhat pomocí programu R a jeho knihoven.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Student zajistí svá vlastní data, součástí zkoušky je diskuse o jejich možné analýze.
Předmět je ukončen kombinovanou zkouškou.
E-learning
Další požadavky na studenta
Aktivní účast na cvičení.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Příprava vzorkovacího plánu, uchovávání a ukládání dat.
2. Typy dat – kvantitativní a kvalitativní data, popis, charakteristiky polohy a variability, vizualizace, identifikace odlehlých hodnot.
3. Testování hypotéz – nulová a alternativní hypotéza, chyby I. a II. druhu, statistický test a jeho síla, p – hodnota.
4. Úvod do práce v programu R a v rozhraní R Studio. Vytváření projektů, vkládání dat, grafické výstupy.
5. Jednovýběrové a dvouvýběrové testy – parametrické a neparametrické metody. Analýza kategoriálních dat – chí-kvadrát a Fisherův test.
6. Analýza rozptylu (ANOVA)- hodnocení rozptylu, hodnocení normality, Kruskal-Wallisův test – neparametrická alternativa analýzy rozptylu.
7. Korelační analýza – Pearsonův a Spearmanův korelační koeficient, míry podobnosti dat (koeficienty podobnosti, koeficienty korelace, kovariance).
8. Regresní analýza – lineární regrese, předpoklady lineárního modelu, odhad parametrů regresního modelu, koeficient determinace, statistické testy.
9. Regresní analýza – polynomiální regrese, statistické testy, analýza reziduí regresních analýz.
10. Vícenásobná lineární regrese – typy interakcí proměnných, multikolinearita, problém chybějících dat, aplikace.
11. Problematika prostorových dat, autokorelace, vzorkování, analýza, lokální a globální statistiky.
12. Mnohorozměrná analýza dat – principy, předpoklady a úprava dat před analýzou.
13. Explorativní analýzy, analýza hlavních komponent (PCA), mnohonásobná korespondenční analýza (MCA), analýza smíšených dat (FAMD), shluková analýza
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.