Detail předmětu

Pravděpodobnost a statistika III

FSI-SP3Ak. rok: 2010/2011

Obsahem předmětu jsou partie: teorie odhadu, maximální věrohodnost, momentové odhady, bayesovské metody, testování statistických hypotéz, neparametrické metody, hustoty exponenciálního typu, asymptotické testy.

Jazyk výuky

čeština

Počet kreditů

4

Garant předmětu

doc. RNDr. Jaroslav Michálek, CSc.

Zajišťuje ústav

Ústav matematiky (ÚM)

Výsledky učení předmětu

Studenti získají potřebné znalosti z významných partií matematické statistiky, které jim umožní posuzovat a vytvářet stochastické modely technických jevů a procesů založené na těchto metodách a realizovat je na PC.

Prerekvizity

Základy teorie pravděpodobnosti a matematické statistiky, lineární modely.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Podmínky udělení klasifikovaného zápočtu: aktivní účast ve cvičeních, zvládnutí celé látky, klasifikace dostatečně anebo lepší všech kontrolních prací. Zpracování a obhájení projektu.
Hodnocení podle bodů získaných z projektu: výborně (90 až 100 bodů), velmi dobře (80 až 89), dobře (70 až 79 bodů), uspokojivě (60 až 69 bodů), dostatečně (50 až 59 bodů), nevyhovující(0 až 49 bodů).

Učební cíle

Seznámení studentů oboru Matematické inženýrství s metodami teorie odhadu, asymptotickým přístupem k testování statistických hypotéz a s využitím těchto metod
ke statistické analýze reálných dat.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Cvičení je kontrolované a o náhradě zameškané výuky rozhoduje učitel cvičení.

Základní literatura

Anděl, J. Základy matematické statistiky. Matfyzpress. Praha 2005 (CS)

Doporučená literatura

Militký, J.: Statistické techniky v řízení jakosti. Pardubice : TriloByte, 1996. (CS)

Zařazení předmětu ve studijních plánech

  • Program M2A-P magisterský navazující

    obor M-MAI , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. RNDr. Jaroslav Michálek, CSc.

Osnova

Nestranné a konzistentní odhady
Regulární system hustot, Raova – Cramérova věta, vydatné odhady
Fisherova míra informace a Fisherova informační matice
Postačující statistiky, Neumanovo faktorizační kritérium
Raova-Blackwellova věta a její použití
Metoda momentů, metoda maximální věrohodnosti
Bayesovský přístup
Testování statistických hypotéz
Základy neparametrických metod
Exponenciální třída rozdělení
Asymptotické testy založené na věrohodnostní funkci
Testy s rušivými parametry, příklady
Testy hypotéz o parametrech

Cvičení s počítačovou podporou

13 hod., povinná

Vyučující / Lektor

doc. RNDr. Jaroslav Michálek, CSc.

Osnova

Přehled rozdělení pravděpodobností, grafické znázornění hustot v MATLABu
Nestranné a konzistentní odhady - příklady odhadů, ověřování jejich vlastností
Výpočet dolní hranice pro rozptyl nestranných odhadů
Výpočet Fisherovy míry informace a Fisherovy informační matice pro zadaná rozdělení
Užití Neumanova faktorizačního kritéria
Hledání odhadů pomocí Raova-Blackwellovy věty
Konstrukce odhadů metodou momentů a pomocí metody maximální věrohodnosti
Konstrukce bayesovských odhadů
Zadání projektu - konstrukce odhadů parametrů pro zadané rozdělení - použití alespoň dvou postupů, ověření vlastností odhadu a jejich numerický výpočet
Ověřování exponencíální třídy pro vybraná rozdělení
Použití asymptotických testů založených na věrohodnostní funkci
Testy s rušivými parametry, odhady parametrů Weibullova rozdělení a gama rozdělení
Testování hypotéz o parametrech zobecněného lineárního modelu