Přednášky mi připadaly kompetentní s osobním přístupem, a nebyly nutné pro splnění předmětu. Studijní materiály byly lehce podvysvětlené, ale pro splnění předmětu dostačující. Osobně vidím statistiku jako kriticky důležitou disciplínu ve výzkumu i osobním rozhodování, moje očekávání předmět víceméně splnil. Semestrální práce na libovolné téma umožňuje ambiciózním studentům si vyzkoušet něco vskutku reálného ale nevyžaduje nadměrné množství času pokud si člověk naopak vybere něco trviálního.
Zkouška je přesně podle vzorečků a typových úloh, není tedy potřeba nad předmětem moc přemýšlet. Jestli je to dobře nebo špatně nedokážu určit.
Jediný detail: Zengerova posluchárna není optimální pro zkouškový test, při kterém má člověk před sebou množné číslo papírů, protože sklouzávají po nakloněných deskách "stolků".
Látka byla velice dobře a zajímavě odpřednášena. Dozvěděl jsem se plno zajímavostí. Mimo jiné se mi líbily sázky o statcoiny.
Koukat na věci jednodušeji. Nedokáži přesně popsat kde, ale několikrát, když jsem se potom zpětně snažila látku pochopit, jsem si uvědomila, že to není vůbec tak složité.
Ocenil bych nektera temata podavat trochu vice "selskym rozumem"
Pravděpodobnostní hry na přednáškách byly fajn, ale to je tak nějak všechno. Přednášky mě ze začátku bavily, ale tak po měsíci se to nějak zlomilo, nevím, čím to přesně je, asi mi nějak nesedlo tempo a styl přednášejícího. Ocenil bych o něco více "organizovanější" výklad.
Přednášky mají velký potenciál, ale často jsme se všichni ztratili v náhodných vzorcích bez pochopení principu. Konkrétně třeba proč/jak funguje centrální limitní věta nepochopili ani studenti, kteří už předtím věděli, co vlastně centrální limitní věta je. Věnoval bych tedy více času otázkám typu "Proč chceme to a to vůbec počítat?", dát třeba ukázkový příklad a až pak uvést vzorečky. U CLM konrétně např. ukázat animaci http://onlinestatbook.com/stat_sim/sampling_dist/index.html (po kliknutí na begin). Ve chvíli kdy jsem nepochopil jednu věc se vše začalo nabalovat a i přesto, že jsem byl na většině z přednášek, musel jsem se látku doučovat z internetu.
libily se mi ankety na zacatku prednasek. problem byl ve postupne se snizujici ucasti na prednaskach, myslim si, ze pro mnoho studentu nebyl vyklad dostatecne srozumitelny a neprisli, protoze byli ztraceni
Myslím si, že by pomohlo kdyby na přednáškách byly více vysvětlovány základní pojmy - např. uvést příklady, co je náhodná veličina a především co už není náhodná veličina.
Občas jsem měl pocit, že obsah přednášek byl až příliš obsáhlý a že cilí spíše na posluchače, kteří mají už o dané problematice nějaké povědomí. Možná by pomohlo více konkrétních řešených příkladů, které by danou látku trochu objasnily.
Jsem si jist, že mou schopnost porozumění přednáškám ovlivnil nedostatek motivace se tento předmět učit. Na přednáškách jsem si mnohokrát připadal ztracený. Přišlo mi, že byly dostkrát uváděny vzorce, které nebyly odůvodněny (např. u rozdělení různých veličin v kapitole testování hypotéz). Bylo obtížné si situaci představit; jsem si jist, že by opravdu pomohlo výrazně zvýšit počet vizualizací ve slidech, tj. buď obrázky grafů, nebo jak to má pan prof. Navara hezky interaktivně v nějakém tom externím programu.
Přednášející na přednáškách působí jako skowman a lákta působí nesmírně jednoduše, což ale v řešení úkolů moc nepomáhá. Nebýt cvičení, tak bych tento předmět jen z přednášek nezvládl.
Přednášející se snažil látku přednášet srozumitelně, to se často díky motivačním příkladům povedlo. Také oceňuji různé statistické experimenty nebo hlasování, u hlasování ale občas nebylo moc času na rozmyšlenou, takže jsem se často zdržel hlasování. Také oceňuji různé demonstrační programy, ať už v Maplu nebo v Geogebře.
Ankety a hádanky na začátku přenášek byly příjemným zpestřením, vyplynuly zajímavé závěry.
Ocenuji "ukazky statistiky nazivo" v prednaskach, clovek zacne davat pozor na prednasku. Ocenil bych trochu vice vysvetlujici PDF materialy.
Srozumitelnější přednášky by byly OK.
Systém dvou pláten s různým obsahem je ten největší zmatek co jsem zatím zažil. Zároveň i forma rozpočítání více příkladů naráz a poté jejich dopočítání není úplně přehledná.
Na přednáškách byly zajímavé praktické úlohy z pravděpodobnosti a statistiky. Pan Navara si čas od času nedokázal odpustit jízlivou poznámku, proto celkově působil lehce arogantně. Jinak přednášel poměrně poutavě.
Oceňuji úlohy na začátku přednášek, které u člověka vzbudí pozornost, připravil bych nějaké problémy pro případ malého počtu lidí, jelikož to byl problém ke konci přednášek. Jak se zmiňuji u hodnocení předmětu - přidal bych čas Statistice a řetězcům.
Osobně bych uvítal více příkladů. Obvykle máme jeden motivační příklad okolo kterého se točíme celou přednášku. Nevadilo by mi kdyby jsme si uvedli více příkladů, či použití poté co vyložíme určitý úsek látky. Jinak přednášky byly velmi dobré.
Předmět byl dobře organizován, výklad byl velice zajímavý a přínosný. Nakonec i povinný domácí úkol byl pro mě přínosný.
Přednášky na pravděpodobnost a statistiku mi přišly trochu složitě podané, neumím tento jev úplně pojmenovat, často jsem se snažil najít jeho příčinu. Je určitě pravda, že jsem se nestíhal během semestru moc připravit před přednáškou (kvůli úkolům na Algoritmizaci a Operační systémy) na to, co bude probíráno a jsem si jist, že kdybych strávil před každou přednáškou aspoň 2-4 hodiny studiem toho, co bude probíráno nebo opakováním minulé látky, jako jsem to dělal třeba u Lineární algebry a Architektury počítačů, že bych nebyl ztracený. Takhle jsem bohužel byl. Možná by mi pomohlo, kdyby přednášející doporučil nějaké kurzy, videa s názornými příklady a animacemi jako tomu bylo třeba u předmětu LAG, z kterých bych pochytil základy trochu snadněji, protože jsem dlouhou dobu strávil hledáním alternativních zdrojů, z nichž některé nebyly moc kvalitní. Nejvíce se mi líbily přednášky na Markovovy řetězce, ty byly skvělé. Všechny příklady mi přišly velmi praktické, jak sbírku příkladů, tak příklady ze cvičení hodnotím velmi kladně, až teprve s nimi jsme látku pochopil. Paradoxně by mi asi pomohlo propočítat si příklady na přednášku před přednáškou, bohužel materiály pana Průchy nebyly dostupné dopředu. Doporučení pro budoucí studenty: Podí vejte se před přednáškou na sbírky příkladů, jako dobrou motivaci a snad i trochu praktičtější pochopení elementárních věcí, byly vybrané opravdu dobře. Dost jsme se báli na začátku semestrální úlohy z PST, nakonec se ukázalo, že naprosto neoprávněně, velmi užitečná a praktická věc. Nejdéle mi zabral asi výběr tématu a sběr dat.
Vše bylo vysvětlováno příliš složitě a v materiálech i tak zapsáno.
Ze zacatku semestru me prednasky bavily, avsak pak kdyz jsem se ztratil u temat, ktera jsou pdoavana zbytecne moc slozite, pritom "selskym rozumem" davaji smysl, napr. kvantilova funkce, apod. tak jsem chodit prestal. Je to trochu skoda, pan Navara se to snazi podavat s humorem. Ocenuji tipovacky na zacatku prednasek. Skripta jsou zbytecne moc slozita, nastesti existuji materialy pana Pruchy, bez kterych by predmet neslo udelat. Cetl jsem v minule ankete, ze to byla davacka, cemuz se mi nechtelo s pruchodnosti, jakou predmet ma verit, avsak pokud se clovek pripravi na zapoctak (pocitejte nekolik dni tvrde driny), tak pak ke zkousce uz toho o mnoho vic neni. A trochu to "davacka" za 7 kreditu je.
Negativa - Skripta jsou nic moc. Jednodušší věci jsou rozvedeny do celých odstavců a příklad je následně vyřešen na dva řádky sofistikovanou matematickou úvahou, které rozumí leda studenti napravo od kvantilu q(0.95). Byl bych rád, kdybych mohl problematiku z většiny pochopit ze skript a nemusel projít celou sekci sbírky příkladů zabývající se danou problematikou, abych pochopil, jak že to vlastně funguje. - Syllabus je nabitý, cvičení jsou z toho důvodu poměrně rychlá a ačkoliv je čas na dotazy, tak není čas na to, aby si studenti mohli něco spočítat u tabule. Pozitiva - Předmět je poměrně hodně přínosný, hlavně v našem oboru (to jest OI). Jsem rád, že jsem jej absolvoval, ačkoliv mě to stálo krev, pot a slzy.
Byl to určitě nejnáročnější předmět v semestru.
Připadá mi, že jsem statistiku pochopil až při vypracování semestrálky, jinak je předmět ok.
Predmet jako takovy je pro me strasne zajimavy a krasny, ale bohuzel, je vysvetlovan prilis slozite. Prijde mi, ze studenti z vykladu nemaji zadnou intuici a jen vidi matematicky vzorce pana profesora, ktere jim nic moc nerikaji. Myslim si, ze kdyby byl vice duraz na intuici, predmet by byl i vice oblibeny. Hodne jsem se ucil z Khan Academy videi na youtube, protoze tam to bylo vysvetlovano docela lidsky a vzal jsem si tam tu intuici. Potom se vratil k poznamkam z prednasek a bylo to idealni.
Rozčlenění předmětu na pravděpodobnost, statistiku a Markovovy řetězce mi vyhovovalo. Možná by se trochu hodilo mít v přednáškách více příkladů, na kterých by se ukázala daná látka, přesto oceňuji, že jsou v přednáškách zařazeny různé zajímavé motivační příklady. V pravděpodobnosti byl úvod možná až příliš teoretický. Kromě toho by se možná dalo krátce zmínit například o teorii front, která využívá teorii pravděpodobnosti. Ve statistice bych čekal více příkladů chyb, kterých se lze ve statistice dopustit, nebo různých příkladů falšování statistických výsledků. V Markovových řetězcích se mi líbil úvod, kdy se začaly řešit řetězce pouze intuitivně bez znalosti teorie. K prednaskam se prilis vyjadrit neumim, temer jsem na ne nechodil (spis protoze jsem nestihal, nez ze bych nechtel) Z materialu ke studiu mam smiseny pocit. Nektere ukazky, grafy, doplnujici materialy a materialy k markovovym retezcum byly skvele, nicmene zakladni PDF materialy byly pro cloveka bez znalosti z prednasek dosti zmatecne. Castokrat jsem az prilis dlouhou dobu premyslel nad tim "co ma tato sekce vlastne rict". Zpousta nove zavedenych velicin mi nic nerekla a ja netusil, co si pod nimi predstavit. Predpokladam ale, ze pan Navara si je toho dobre vedom a povazuje to za motivaci chodit na prednasky. Pan Korbelar na cvicenich ma sice extremne vysoke tempo, ale nauci a vysvetli skvele. Pokud mate nervy na to stihat s nim drzet krok pri cvicenich, mohu jen doporucit. Skvely cvicici.
Na přednáškách jsem ze začátku moc nechápal, o čem je řeč, měl jsem asi více věnovat času přípravě a přečíst si před přednáškou o čem bude řeč, abych se chytal. Při výkladu Markovových řetězců jsme se opět chytl a chodil jsem na přednášky rád. Byl velmi hezký krok od pana Navary, že přímo poskytuje zadání zkoušek z minulých let. Předmět byl rozhodně přínosem, velmi zajímavá a užitečná látka.
Nejtěžší předmět semestru. Přednášky byly hard core a skripta byly moc obsáhlé, takže k ničemu.
Studijné materiály byly relativně valitní, všechno vzorce jsem v nich našel nicméně jak výtahy z přednášek tak skripta mi přišla málo vysvětlujicí a uvítal bych přístup o něco vstřícnější ke čtenářovi.
Kdyz jsem neco potreboval najit, na internetu se to dalo dohledat, takze za me spokojenost
Předmět je docela složitý, je zde spousta látky, což je možno očekávat od 7i kreditového předmětu. Rozložení předmětu mi nepřišlo úplně adekvátní, věnoval bych o hodinu více času jak Statistice, tak Markovovým řetězcům, jelikož ve zkoušce mají všechny kusy látky stejnou váhu. Pan Navara přednáší velmi dobře, někdy se mi zdá, že moc zdlouhavě a i složitě, nejen já jsem se ztratil u rozdělení (cca 4. přednáška) a našel se až ke konci statistiky (cca 10. přednáška). Předmět mě hodně naučil i přesto, musel jsem o to více věnovat příprava o zkouškovém.
resene priklady byly skvele, ale chybel mi nejaky strucny vyklad teorie pro samostatne uceni
Ve studijních materiálech pana Průchy i pana Navary šlo špatně rozlišit který vzorec je ten hlavní, který budeme používat a který je jenom pomocný v nějakém důkazu.
Jsem rád, že jsem si mohl přinést vlastní poznámky a nemusel jsem všechno znát zpaměti.
Nechápu, co mělo být zač to psaní do testů studentům, kterým zazvonil telefon.
Zkouška byla přiměřená, ale také dost o tom, komu co sedne a co zvládne vymyslet. Po propočítání většiny příkladů se ale dalo zvládnout.
Zkouška byla v pohodě, všechno podle ukázkových testů a písemek z minulých let.
Zkouska ferova, rychle opravena, podobna tem z minulych let, takze se dalo dobre pripravit. Ocenuji resene zkouskove pisemky primo na webu.
Vzhledem k dostupnosti testů z minulých let člověk přesně věděl, co se učit a zkouška po poctivé přípravě nepřekvapila. Ostatní předměty by si z PST měli vzít příklad.
Většina termínů mi přišla cca stejně obtížná, předtermín mi přijde zpětně o dost těžší, než ostatní termíny.
Bez připomínek, jen menší rozčarování z "přehlídky plagiátorů".
Přišlo mi trochu zvláštní, že zkouška sestávala ze tří +/- stejně bodovaných příkladů, jednoho za každý tematický okruh, když v semestru se jednotlivým okruhům dostalo různé časové dotace i různého důrazu. Ale možná se pletu, proto to nevyčíám, jen uvádím k zamyšlení.
Možnost mít vlastní poznámky ke zkoušce byla nesmírnou výhodou, protože vzorců je vskutku dost.
U zkoušky mi připadal první příklad (na pravděpodobnost) obtížnější, než zbývající dva, ale bodové hodnocení bylo férové.
Zkouska je ferova, klade se duraz na to, jak tomu rozumime, ne na numericke chyby a tak. Skoda, ze byla v 8 rano a jeste se kryla se zkouskouch z algoritmizace, takze clovek, kterej chtel mit 3 pokusy na oba predmety mel proste smulu. Jedine co mi vlastne neprislo v pohode na zkousce je hodnotit spatny matematicky zapis prazdne mnoziny, kdyz jsme ho takhle zapisovali na cvikach, takze jsme predpokladali, ze by to mohlo byt zapsane spravne.
Zkouška nakonec OK, ale šlo spíě o to, jestli člověkovi sedne zadání. Některé příklady jsme v životě neviděli.
Zkouška odpovídala vzorovému testu, nicméně mohla by být déle než v 8:00.
Zkouška proběhla v pořádku.
Niektore skuskove terminy su podstatne lahsie ako ine takze je to trochu aj o stasti, ale samozrejme ide hlavne o to ako sa student pripravi.
Zkouška byla hodnocena docela přísně a zárověn zvláštně, když měl člověk chybu v číslu, tak přišel o hodně bodů, avšak, když měl naznačen/část postup/u dostal relativně vřelé body, tedy se hodnocení celkově vykompenzuje. Nepřišlo mi vhodné o zkoušce křičet na lidi s plagiáty přes celou místnost, že mají někde přidělené místo, nechci obhajovat takové lidi, avšak mi přijde lepší se s nimi domluvit osobně předem. (Navíc nevím, jak moc souvisí programování s matikou v tomto případě, ale neodsuzuji zvolené řešení, jelikož pan Navara je v komisi ohledně tohoto problému.)