Detail předmětu

Náhodné procesy

FEKT-MPC-NPRAk. rok: 2023/2024

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

čeština

Počet kreditů

5

Garant předmětu

doc. RNDr. Jaromír Baštinec, CSc.

Zajišťuje ústav

Ústav matematiky (UMAT)

Vstupní znalosti

Jsou požadovány znalosti na úrovni bakalářského studia, tj. student musí ovládat práci s množinami (průnik, sjednocení, doplněk), být schopen pracovat s maticemi, zvládat výpočet řešení systému lineárních algebraických rovnic eliminační metodou a výpočet matice inverzní, znát řady a jejich součty, znát grafy elementárních funkcí a způsoby jejich konstrukce, ovládat derivování a integrování základních funkcí.

Pravidla hodnocení a ukončení předmětu

 Studenti mohou získat :
až 30 bodů za počítačová cvičení, které mohou získat za písemný test ( max. 20 bodů) a až 10 bodů za hodnocení aktivity na cvičeních,
až 70 bodů za písemnou semestrální zkoušku. Zadání pro zkoušku obsahuje teoretické i početní úlohy, které slouží pro ověření orientace studenta v problematice náhodných procesů a jejich aplikací.

Počítačová cvičení jsou povinná. Řádně omluvenou neúčast lze nahradit zpracováním domácí úlohy, která je zaměřena na problematiku probíranou ve zameškaném cvičení.
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.
Termín konání písemného testu je vyhlašován po dohodě se studenty minimálně týden před jeho konáním. Náhradní termín pro řádně omluvené studenty je obvykle v zápočtovém týdnu.

Učební cíle

Cílem kursu je podat studentům ucelený přehled základních pojmů a výsledků týkajících se teorie náhodných procesů a hlavně Markovských řetězců a procesů. Jsou ukázány možnosti aplikací pro rozhodovací procesy různých typů.
Absolvent předmětu je schopen:
• 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.

Základní literatura

BAŠTINEC, J.; SVOBODA, Z. Náhodné procesy. Brno: 2011. s. 1-182. (CS)
Prášková Z., Lachout P., Základy náhodných procesů I., MatfyzPress (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MPC-BTB magisterský navazující 1 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. RNDr. Jaromír Baštinec, CSc.

Osnova

1. Náhodné veličiny, základní pojmy.
2. Náhodné procesy, charakteristiky náhodných procesů.
3. Markovovy řetězce s diskrétním časem, Chapman-Kolmogorovy rovnice.
4. Homogenní Markovovy řetězce.
5. Regulární Markovovy řetězce.
6. Absorpční řetězce.
7. Z-transformace, analýza Markovových řetězců.
8. Markovovy řetězce se spojitým časem.
9. Poissonův proces.
10. Chapman-Kolmogorovy diferenciální rovnice.
11. Markovovy rozhodovací procesy.
12. Asymptotické vlastnosti Markovových řetězců.
13. Rozhodovací proces s alternativami.

Cvičení s počítačovou podporou

26 hod., povinná

Vyučující / Lektor

doc. RNDr. Jaromír Baštinec, CSc.

Osnova

1. Úvod do statistického software.
2. Analýza náhodných veličin.
3. Výpočty charakteristik náhodných procesů.
4. Markovovy řetězce s diskrétním časem- aplikace.
5. Aplikace a řešení Chapman-Kolmogorových rovnic.
6. Homogenní a regulární Markovovy řetězce - aplikace.
7. Aplikace absorpčních řetězců.
8. Analýza Markovových řetězců pomocí Z-transformace.
9. Charakteristiky Markovových řetězců se spojitým časem.
10. Aplikace Poissonova procesu.
11. Aplikace a řešení Chapman-Kolmogorových diferenciálních rovnic.
12. Analýza Markovových rozhodovacích procesů.
13. Asymptotická analýza Markovových řetězců.

Elearning

eLearning: aktuální otevřený kurz