Kurz je zaměřen na získání komplexních znalostí a dovedností potřebných pro zpracování kvalitativních i kvantitativních dat s ohledem na praktickou implementaci těchto znalostí a dovedností v programu R.
Účastníci se naučí, jak efektivně shromažďovat, zpracovávat a analyzovat data pomocí základních statistických ukazatelů a s metodami detekce a analýzy extrémních hodnot Značná část výuky v první části kurzu bude věnována vytváření statistických výstupů a grafů v programu R.
Další část kurzu bude věnována metodám induktivní statistiky. Zde se účastníci seznámí s metodami testování statistických hypotéz, analýzou intervalů spolehlivosti a technikami, které umožňují provádět inferenci na základě vzorků z populace. Kurz pokrývá širokou škálu metod, včetně t-testů, analýzy variance (ANOVA), chi-kvadrát testů a dalších pokročilých statistických testů. Účastníci se naučí, jak správně interpretovat výsledky testů a vytvářet vhodné modely pro predikci a rozhodování.
Poslední část kurzu se zaměřuje na pokročilé techniky analýzy vícerozměrných dat a jejich aplikaci v programovacím jazyce R.
Účastníci se naučí metody korelační analýzy, budou vytvářet a interpretovat různé typy regresních modelů včetně modelů pro průřezová i longitudinální data. Ve všech modelech budou provedeny podrobné analýzy, predikce a pokročilá diagnostika modelů, včetně jejich validace.
Kurz je ideální pro začátečníky i mírně pokročilé, kteří chtějí zlepšit své dovednosti v práci s daty a aplikovat statistické metody v programu R na reálná data.

Požadované znalosti pro zápis do kurzu: Na úrovni základního vysokoškolského kurzu matematiky
Požadavky/ podmínky absolvování kurzu: Student zpracuje vlastní datový soubor, data vizualizuje a popíše metodami deskriptivní a indukční statistiky. Student vytvoří a vyhodnotí regresní statistický model. Povolena je maximálně jedna absence a termín odevzdání úkolu je stanoven na 17.5. 2025

• základy používání jazyka R,
• přehled datových typů, jejich prezentace v jazyce R a jejich vizualizace,
• cíle a prostředky popisné statistiky, míry centrální tendence, míry variability a tvaru, detekce odlehlých hodnot,
• cíle a prostředky induktivní statistiky,
• testy o parametrech rozdělení,
• testy typu rozdělení,
• testy závislosti v kontingenčních tabulkách,
• cíle a prostředky regresní a korelační analýzy,
• jednoduché a vícerozměrné lineární regresní modely,
• diagnostika a validace lineárních regresních modelů,
• další regresní modely v závislosti na povaze dat, jejich interpretace a diagnostika,

Dostupné studijní materiály: Materiály v LMS-Moodle.
1. AGRESTI, A. and KATERI, M., 2022. Foundations of statistics for data scientists: With r and python. CRC Press. A chapman & hall book. ISBN 9780367748432. X
2. COHEN, Yosef and COHEN, Jeremiah, 2008. Statistics and data with r: An applied approach through examples. Chichester, U.K: Wiley. ISBN 978-0-470-75805-2. X
3. GANDRUD, Christopher, 2013. Reproducible research with r and r studio. Boca Raton: Chapman; Hall/CRC. ISBN 978-1498716963. X
4. HENDL, Jan, 2012. Přehled statistických metod zpracování dat: Analýza a metaanalýza dat. Praha: Portál. ISBN 978-80-262-0200-4. X
5. NEWBOLD, Paul, CARLSON, Willian L. and THORNE, Betty M., 2013. Statistics for business and economics. Harlow, Essex: Pearson Education. ISBN 978-0273767060. X
6. RHINEHART, R.R. and BETHEA, R.M., 2021. Applied engineering statistics. CRC Press. ISBN 9781000468724. X