Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod

---

BE4M36SAN	Statistical data analysis
Role:	PO, P, PS	Rozsah výuky:	2P+2C
Katedra:	13136	Jazyk výuky:	EN
Garanti:	Kléma J.	Zakončení:	Z,ZK
Přednášející:	Kléma J.	Kreditů:	6
Cvičící:	Anuarbekov A., Kléma J., Pevný T.	Semestr:	Z

Webová stránka:

https://cw.fel.cvut.cz/wiki/courses/B4M36SAN

Anotace:

Cílem předmětu je seznámit se se statistickými přístupy k analýze dat nad rámec tradiční výuky statistiky a pravděpodobnosti. Kurz se soustředí na vícepříznakovou explorativní statistickou analýzu, prohloubí ale i znalosti konfirmačních přístupů. Mezi konkrétní témata patří práce s multivariátními lineárními modely, včetně zobecněných multivariátních modelů a jejich nelineárních variant. Dále se studující budou zabývat diskriminační analýzou, robustní statistikou, redukcí dimenze a návrhem a vyhodnocením empirických studií.

Osnovy přednášek:

1.		Lineární regresní modely, použití, interpretace, typy proměnných, význam p-hodnot.
2.		Multivariátní regresní modely, multikolinearita, heteroskedasticita, outliery, interakce.
3.		Multivariátní regresní modely, výběr proměnných, přeučení, regularizace (ridge, LASSO).
4.		Nelineární regrese, polynomiální, lokální, splajny.
5.		Diskriminační analýza, logistická regrese, LDA, ROC analýza.
6.		Zobecněné lineární modely (GLM), link funkce.
7.		Redukce dimenze, PCA a kernel PCA.
8.		Redukce dimenze, MDS, Isomap, LLE.
9.		Robustní statistika, odolnost vůči outlierům, M-estimátory.
10.		Detekce anomálií, statistické a model-based přístupy
11.		Analýza časových řad, základní pojmy, stacionarita, trend, sezonalita.
12.		Analýza časových řad, spektrum, periodogram, metody AR, MA a ARIMA.
13.		Návrh a vyhodnocení empirické studie, power analysis.
14.		Opakování a souhrn.

Osnovy cvičení:

1.		Statistické testování, t-test, významnost, síla testu.
2.		Jednoduchá lineární regrese.
3.		Regularizovaná lineární regrese.
4.		Nelineární regrese.
5.		Diskriminační analýza.
6.		Generalizované lineární modely.
7.		Průběžný test, závěrečný projekt.
8.		Redukce dimenzionality.
9.		Robustní statistika.
10.		Detekce anomálií.
11.		Návrh empirické studie, analýza síly testu.
12.		Shluková analýza.
13.		Analýza časových řad.
14.		Závěrečný projekt – týmové prezentace.

Literatura:

1.		James, G. et al.: An Introduction to Statistical Learning with Applications in R., Springer, 2013.
2.		James, G. et al.: An Introduction to Statistical Learning with Applications in Python, 2023.
3.		Hastie, T. et al.: The Elements of Statistical Learning, Springer, 2009.

Požadavky:

Znalost základů statistiky v rozsahu předmětu B0B01PST. Znalosti lineární klasifikace, shlukování a redukce dimenze v rozsahu B4B33RPZ.

Klíčová slova:

multivariate data analysis multivariate regression clustering dimensionality reduction anomaly detection power analysis

Předmět je zahrnut do těchto studijních plánů:

Plán	Obor	Role	Dop. semestr
MEOI9_2026	Data Science	PS	1
MEOI9_2018	Data Science	PO	1
MEBIO4_2018	Signal Processing	P	1
MEBIO3_2018	Image Processing	P	1
MEBIO2_2018	Medical Instrumentation	P	1
MEBIO1_2018	Bioinformatics	P	1
MEOI2_2018	Cyber Security	PO	1
MEOI2_2026	Cyber Security	PS	1
MEOI8_2018	Bioinformatics	PO	1
MEOI1_2018	Human-Computer Interaction	PO	3

---

Stránka vytvořena 16.8.2026 17:51:42, semestry: L/2028-9, L/2027-8, Z/2028-9, Z/2027-8, L/2025-6, L/2029-30, Z,L/2026-7, připomínky k informační náplni zasílejte správci studijních plánů

Návrh a realizace: I. Halaška (K336), J. Novák (K336)