• Sem patřím
  • Centrum sportovních aktivit VUT v Brně
  • Výzkumná centra
  • Zvut.cz

  • Pravděpodobně máte vypnutý JavaScript. Některé funkce portálu nebudou funkční.

Detail předmětu

Stochastické modelování

Kód předmětu: FSI-S2M
Akademický rok: 2016/2017
Typ předmětu: volitelný (nepovinný)
Typ studia: magisterský navazující (druhý cyklus)
Ročník: 1
Semestr: zimní
Počet kreditů:
Výsledky učení předmětu:
Studenti získají potřebné znalosti z důležitých partií teorie pravděpodobnosti a matematické statistiky, které jim umožní s použitím PC modelovat a optimalizovat důležité charakteristiky a vlastnosti technických systémů a procesů.
Způsob realizace výuky:
90 % kontaktní výuka, 10 % distančně
Prerekvizity:
Metody matematické analýzy reálných a komplexních funkcí, teorie pravděpodobnosti a matematické statistiky.
Korekvizity:
Není specifikováno.
Doporučené volitelné složky programu:
Není specifikováno.
Obsah předmětu (anotace):
Předmět sestává z partií: charakteristické funkce náhodných veličin a vektorů, funkce náhodného vektoru a jejich statistické vyhodnocování, vícerozměrné normální rozdělení, fitování rozdělení pravděpodobnosti pomocí klasických metod, jádrových odhadů a kvazinorem.
Doporučená nebo povinná literatura:
Anděl, J.: Statistické metody. Praha : Matfyzpress, 1993.
Gallant, A. R.: Nonlinear Statistical Models. New York : John Wiley, 2003.
Potocký, R. a kol.: Zbierka úloh z pravdepodobnosti a matematickej štatistiky. Bratislava/Praha : Alfa/SNTL, 1986.
Silverman, B.W.: Density Estimation for Statistics and Data Analysis. London : Chapman & Hall, 1999.
Likeš, J. - Machek, J.: Matematická statistika. Praha : SNTL, 1983.
Pitman, E. J. G.: Some Basic Theory for Statistical Inference. New York :John Wiley & Sons, 1978.
Plánované vzdělávací činnosti a výukové metody:
Předmět je vyučován formou cvičení, které je zaměřeno na praktické zvládnutí látky.
Způsob a kritéria hodnocení:
Podmínky udělení klasifikovaného zápočtu: aktivní účast ve cvičeních, zvládnutí celé látky, vypracování individuální semestrální práce; klasifikace dle výsledku semestrální práce.
Jazyk výuky:
čeština
Pracovní stáže:
Není specifikováno.
Osnovy výuky:
Není specifikováno.
Cíl:
Seznámení studentů s vybranými partiemi teorie pravděpodobnosti a matematické statistiky, které doplňují znalosti studentů z předcházejících kurzů a seznámí je s dalšími metodami pro modelování technických procesů na PC.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Cvičení je kontrolované a o náhradě zameškané výuky rozhoduje učitel cvičení.

Typ (způsob) výuky:
Cvičení: 26 hod., povinná
Vyučující / Lektor: doc. RNDr. Zdeněk Karpíšek, CSc.
Osnova: Charakteristická funkce náhodné veličiny, vlastnosti.
Výpočty charakteristických funkcí náhodných veličin.
Momenty náhodné veličiny pomocí charakteristické funkce.
Charakteristická funkce náhodného vektoru, vlastnosti.
Funkce náhodné veličiny a náhodného vektoru, konvoluce.
Odhady pro funkce náhodné veličiny a náhodného vektoru.
Vícerozměrné normální rozdělení pravděpodobnosti, vlastnosti.
Gramovy - Charlierovy modely A, B.
Pearsonovy křivky, Edgeworthův a Johnsonův model.
Jádrové odhady hustoty rozdělení.
Entropie rozdělení pravděpodobnosti.
Odhady rozdělení pomocí minimální Shannonovy kvazinormy.
Odhady rozdělení pomocí minimální Hellingerovy kvazinormy.

Zařazení předmětu ve studijních programech