Detail předmětu

Statistics, Stochastic Processes, Operations Research

FEKT-DKA-MA1Ak. rok: 2025/2026

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

angličtina

Počet kreditů

4

Garant předmětu

doc. RNDr. Jaromír Baštinec, CSc.

Zajišťuje ústav

Ústav matematiky (UMAT)

Nabízen zahraničním studentům

Pouze domovské fakulty

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 grafy elementárních funkcí a způsoby jejich konstrukce, ovládat derivování a integrování základních funkcí.

Pravidla hodnocení a ukončení předmětu

Studenti mohou získat
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.

Výuka je nepovinná.

Učební cíle

Cílem předmětu je prohloubit a rozšířit znalosti studentů v oblasti statistického zpracování dat a statistických testů. Poskytnout studentům základní orientaci v oblasti operačního výzkumu a a naučit je používat některé optimalizační metody vhodné pro použití např. v ekonomii. Dále 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.
Po absolvování předmětu bude student schopen:
• 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.

Základní literatura

BAŠTINEC, J.,Probability, Statistics and Operational research. Brno 2018. (EN)
Montgomery, D.C., Runger, G.C.: Applied Statistics and Probability for engineers. 6th Edition. John Wiley \& Sons, Inc., New York 2015.ISBN-13: 978-1118539712. (EN)

Doporučená literatura

Miller, I., Miller, M.: John E. Freund's Mathematical Statistics. 8th Edition. Prentice Hall, Inc., New Jersey 2012. (EN)
Papoulis, A., Pillai, S. U.: Probability, Random Variables and Stochastic Processes, 4th Edition, 2012. ISBN-13: 978-0071226615 (EN)
Sarma, R. D.:Basic Applied Mathematics for the Physical Sciences 3rd New edition Edition, 2017, ISBN-13: 978-8131787823 (EN)
Taha, H.A.: Operations research. An Introduction. 9th Edition, Macmillan Publishing Company, New York 2013.ISBN-13: 978-0132555937 (EN)

Zařazení předmětu ve studijních plánech

  • Program DKA-EIT doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-EKT doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-KAM doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-MET doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-SEE doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-TEE doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-TLI doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKAD-EIT doktorský 0 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Konzultace

39 hod., nepovinná

Vyučující / Lektor

doc. RNDr. Jaromír Baštinec, CSc.

Osnova

I. Statistika (5týdnů)
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.