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
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