Detail předmětu
Statistika. stochastické procesy, operační výzkum
FEKT-DMA1Ak. rok: 2019/2020
Předmět se věnuje upevnění a rozšíření znalostí studentů v oblasti teorie pravděpodobnosti, matematické statistiky a vybraných metod z teorie operačního výzkumu. Proto se začíná důkladným a korektním zavedením pravděpodobnosti, odvozením základních vlastností pravděpodobnosti. Dále je definována náhodná veličina, její číselné charakteristiky a rozdělení. Na tento základ potom navazuje nejdříve popisná statistika a potom problematika testování statistických hypotéz, volba vhodného testu a vysvětlení závěrů jednotlivých testů. Z operačního výzkumu je do kurzu zařazeno lineární programování a jeho geometrické i algebraické řešení, dopravní a přiřazovací úloha a přehled o dynamickém a pravděpodobnostním programování a metodách skladových zásob. V této části jsou ilustrační příklady brány především z ekonomie. Dále předmět obsahuje úvod do teorie náhodných procesů: typy. Proto je v jeho úvodu zařazeno nejdříve opakování potřebného matematického aparátu (matice, determinanty, řešení rovnic, rozklad na parciální zlomky, pravděpodobnost). Poté je budována teorie náhodných procesů, kde se věnujeme Markovským procesům a řetězcům, a to jak diskrétním, tak i spojitým. Je provedena základní klasifikace stavů a studenti jsou seznámeni se způsoby jejich určení.Velká pozornost je věnována jejich asymptotickým vlastnostem. V další části se zavádí ocenění přechodů mezi jednotlivými stavy a studenti jsou seznámeni s rozhodovacími procesy a s možnostmi jejich řešení. V závěru se zmíníme o skrytých Markovských procesech a možnostech jejich řešení.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
• Popsat pravděpodobnostní úlohu pomocí množinových operací.
• Vypočítat parametry základních rozdělení náhodných veličin a to jak spojitých, tak i diskrétních.
• Definovat základní statistické charakteristiky. Vyjmenovat základní statistické testy.
• Vybrat vhodnou metodu pro statistické zpracování zadaných dat a provést statistický test.
• Vysvětlit podstatu lineárního programování.
• Převést slovně zadanou úlohu na kanonický tvar a řešit ji vhodnou metodou.
• Provést analýzu citlivosti geometrickým i algebraickým způsobem.
• Převést zadanou úlohu na duální.
• Vysvětlit rozdíl mezi lineárním a nelineárním programováním.
• Popsat základní vlastnosti náhodných procesů.
• Vysvětlit základní Markovskou vlastnost.
• Sestavit matici Markovského řetezce.
• Vysvětlit postup výpočtu mocniny matice.
• Provést klasifikaci stavů Markovského řetezce v diskrétním i spojitém případě.
• Provést analýzu Markovského řetezce pomocí Z-transformace v diskrétním případě a pomocí Laplaceovy transformace ve spojitém případě.
• Vysvětli postup řešení u rozhodovacích úloh.
• Popsat postup řešení při rozhodovacích úloze s alternativami.
• Diskutovat o rozdílech mezi Markovskými řetězci a skrytými Markovskými řetězci.
Prerekvizity
Plánované vzdělávací činnosti a výukové metody
Způsob a kritéria hodnocení
Až 100 bodů za semestrální zkoušku, která má část písemnou a část ústní. Zadání pro písemnou část zkoušky obsahuje teoretické i početní úlohy, které slouží pro ověření orientace studenta ve statistice, operačním výzkumu a náhodných procesech. Přičemž početní úkoly slouží k ověření schopností studenta aplikovat jednotlivé metody v technické a ekonomické praxi.
Osnovy výuky
2. Diskrétní a spojitá rozdělení náhodných veličin. Vlastnosti normálního rozdělení. Limitní věty.
3. Statistika. Výběr. Zpracování statistického materiálu. Základná parametry základního souboru a charakteristiky výběru.
4. .Základní bodové a intervalové odhady. Testy dobré shody. Analýza rozptylu.
5. Operační výzkum. Lineární programování. Grafické řešení. Simplexová metoda.
6. Duální úloha. Analýza citlivosti. Ekonomická interpretace lineárního programování.
7. Nelineární programování.
8. Řešení úloh nelineárního programování.
9. Náhodné procesy, základní pojmy, charakteristiky náhodných procesů.
10. Diskrétní Markovovy řetězce. Homogenní Markovovy řetězce, klasifikace stavů. Regulární Markovovy řetězce, limitní vektor, fundamentální matice, střední doba prvého přechodu.
11. Absorpční řetězce, střední doba průchodu, přechodu a setrvání. Analýza Markovových řetězců pomocí Z-transformace. Výpočet mocniny matice přechodu.
12. Spojité Markovovy řetězce. Klasifikace pomocí Laplaceovy transformace. Poissonův proces. Lineární proces růstu, lineární proces zániku , lineární proces růstu a zániku.
13. Markovské rozhodovací procesy. Ocenění přechodů. Asymptotické vlastnosti. Rozhodovací procesy s alternativami. Skryté Markovské procesy.
Učební cíle
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Základní literatura
Anděl, J.: Statistické metody. Matfyzpress, MFF UK Praha, 1993.
Miller, I., Miller, M.: John E. Freund's Mathematical Statistics. Sixth Edition. Prentice Hall, Inc., New Jersey 1999. Předchozí vydání publikováno pod názvem Freund, J.E.: Mathematical Statistics, Fifth Edition.
Montgomery, D.C., Runger, G.C.: Applied Statistics and Probability for Engineers. Third Edition. John Wiley \& Sons, Inc., New York 2003.
Nagy, I.: Základy bayesovského odhadování a řízení, ČVUT, Praha, 2003
Škrášek, J., Tichý, Z.: Základy aplikované matematiky III. SNTL Praha, 1990
Taha, H.A.: Operations research. An Introduction. Fourth Edition, Macmillan Publishing Company, New York 1989.
Zapletal, J.: Základy počtu pravděpodobnosti a matematrické statistiky. PC-DIR,VUT, Brno, 1995
Zařazení předmětu ve studijních plánech
- Program EKT-PK doktorský
obor PK-EST , 1 ročník, zimní semestr, volitelný oborový
obor PK-MVE , 1 ročník, zimní semestr, volitelný oborový
obor PK-BEB , 1 ročník, zimní semestr, volitelný oborový
obor PK-KAM , 1 ročník, zimní semestr, volitelný oborový
obor PK-SEE , 1 ročník, zimní semestr, volitelný oborový
obor PK-FEN , 1 ročník, zimní semestr, volitelný oborový
obor PK-MET , 1 ročník, zimní semestr, volitelný oborový
obor PK-TEE , 1 ročník, zimní semestr, volitelný oborový
obor PK-TLI , 1 ročník, zimní semestr, volitelný oborový - Program EKT-PP doktorský
obor PP-FEN , 1 ročník, zimní semestr, volitelný oborový
obor PP-MVE , 1 ročník, zimní semestr, volitelný oborový
obor PP-SEE , 1 ročník, zimní semestr, volitelný oborový
obor PP-TEE , 1 ročník, zimní semestr, volitelný oborový
obor PP-BEB , 1 ročník, zimní semestr, volitelný oborový
obor PP-TLI , 1 ročník, zimní semestr, volitelný oborový
obor PP-KAM , 1 ročník, zimní semestr, volitelný oborový
obor PP-MET , 1 ročník, zimní semestr, volitelný oborový
obor PP-EST , 1 ročník, zimní semestr, volitelný oborový - Program VTI-DR-4 doktorský
obor DVI4 , 0 ročník, zimní semestr, volitelný
- Program VTI-DR-4 doktorský
obor DVI4 , 0 ročník, zimní semestr, volitelný
Typ (způsob) výuky
Seminář
Vyučující / Lektor
Osnova
Základní pojmy z pravděpodobnosti. Statistické soubory. Bodové a intervalové odhady..Testování hypotéz o parametrech (nejen pro normální rozložení). Testy o tvaru rozložení. Regresní analýza. Testy dobré shody. Neparametrické testy.
II. Stochastické procesy(4 týdny)
Deterministické a stochastické úlohy. Charakteristiky stochastických procesů. Limita spojitost, derivace a integrál stochastického procesu. Markovské, stacionární a ergodické procesy. Kanonický a spektrální rozklad stochastického procesu.
III. Operační analýza (4 týdny)
Principy operační analýzy, lineární a nelineární programování. Dynamické programování, Bellmanův princip optimality. Teorie zásob. Plovoucí průměry a hledání skrytých period.