Detail předmětu
Matematika IV
FSI-4MAk. rok: 2022/2023
Předmět je zaměřen na seznámení studentů s metodami popisné statistiky, základy teorie pravděpodobnosti (náhodné jevy, pravděpodobnost, náhodná veličina, náhodný vektor) a matematické statistiky (náhodný výběr, odhady parametrů, testování statistických hypotéz, lineární regresní analýza). Úlohy na procvičení látky jsou orientovány na praktické aplikace ve strojírenských oborech. Počítačovou podporou je nepovinný předmět Statistický software.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Prerekvizity
Plánované vzdělávací činnosti a výukové metody
Způsob a kritéria hodnocení
Učební cíle
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Základní literatura
Hahn, G. J. - Shapiro, S. S.: Statistical Models in Engineering.New York : John Wiley & Sons, 1994.
Montgomery, D. C. - Renger, G.: Applied Statistics and Probability for Engineers. New York : John Wiley & Sons, 2017.
Doporučená literatura
Karpíšek, Z.: Matematika IV. Pravděpodobnost a statistika. Učební text FSI VUT v Brně. Akademické nakladatelství CERM: Brno, 2003.
Meloun, M. - Militký, J.: Statistické zpracování experimentálních dat. Praha : Plus, 1994.
Elearning
Zařazení předmětu ve studijních plánech
- Program B-FIN-P bakalářský 2 ročník, letní semestr, povinný
- Program B-MET-P bakalářský 2 ročník, letní semestr, povinný
- Program B-ZSI-P bakalářský
specializace STI , 2 ročník, letní semestr, povinný
specializace MTI , 2 ročník, letní semestr, povinný - Program N-PMO-P magisterský navazující 1 ročník, letní semestr, povinně volitelný
- Program CŽV celoživotní vzdělávání v akr. stud. programu
obor CZV , 1 ročník, letní semestr, povinně volitelný
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
2. Podmíněná pravděpodobnost. Nezávislé jevy.
3. Náhodná veličina, druhy, funkční charakteristiky.
4. Číselné charakteristiky náhodné veličiny.
5. Základní diskrétní rozdělení Bi, H, Po (vlastnosti a užití).
6. Základní spojitá rozdělení R, N (vlastnosti a užití).
7. Dvourozměrný diskrétní náhodný vektor, druhy, funkční a číselné charakteristiky.
8. Náhodný výběr, výběrové charakteristiky (vlastnosti, výběr z N).
9. Odhady parametrů (bodové a intervalové odhady parametrů N a Bi).
10. Testování statistických hypotéz (druhy, základní pojmy, test).
11. Testy hypotéz o parametrech N, Bi a testy rozdělení.
12. Základy regresní analýzy.
13. Lineární regresní model, odhady a testy hypotéz.
Cvičení
Vyučující / Lektor
Osnova
2. Popisná statistika (dvourozměrný statistický soubor). Kombinatorika.
3. Pravděpodobnost (výpočty pomocí m/n a vlastností). Zadání semestrální práce.
4. Podmíněná pravděpodobnost. Nezávislé jevy.
5. Písemná práce (3 příklady, maximálně 10 bodů). Funkční a číselné charakteristiky náhodné veličiny.
6. Funkční a číselné charakteristiky náhodné veličiny - dokončení.
7. Základní rozdělení pravděpodobnosti(Bi, H, Po, N).
8. Dvourozměrný diskrétní náhodný vektor, funkční a číselné charakteristiky.
9. Písemná práce (3 příklady, maximálně 10 bodů).
10. Bodové a intervalové odhady parametrů N a Bi.
11. Testy hypotéz o parametrech N.
12. Testy hypotéz o parametrech N a Bi - dokončení. Testy rozdělení.
13. Lineární regrese (přímka), odhady, testy a graf. Hodnocení semestrální práce (maximálně 5 bodů).
Cvičení s počítačovou podporou
Vyučující / Lektor
Osnova
2. Popisná statistika (jednorozměrný statistický soubor, dvourozměrný statistický soubor).
3. Základní rozdělení pravděpodobnosti(Bi, H, Po, N).
4. Bodové a intervalové odhady parametrů N a Bi.
5. Testy hypotéz o parametrech N a Bi - dokončení. Testy rozdělení.
6. Lineární regrese (přímka), odhady, testy a graf.
Elearning