Předmět: Pravděpodobnost a statistika

« Zpět
Název předmětu Pravděpodobnost a statistika
Kód předmětu NTI/PAS
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Bakalářský
Rok studia 3
Semestr Zimní
Počet ECTS kreditů 4
Vyučovací jazyk Čeština, Angličtina
Statut předmětu Povinný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Chudoba Josef, Ing. Ph.D.
  • Březina Jan, doc. Mgr. Ph.D.
Obsah předmětu
Přednášky: Základní typy rozdělení pravděpodobnosti, jejich charakteristiky - opakování. Typické aplikace na vybrané modelové situace (měření s chybou, statistické přejímky, analýza životnosti). Metody statistické analýzy dat. Exploratorní a grafická analýza, Estimace parametrů modelu, maximálně věrohodné odhady, výpočty, vlastnosti, testy. Regresní analýza, prokládání křivek daty, jádrový odhad, polynomy, regresní spliny. Analýza rozptylu. Hlavní komponenty - využití. Klasifikace, základní metody, aplikace. Rozpoznávání, klasifikační strom. Bayesovy metody v analýze dat, modelování a rozhodování Náhodné procesy. Základní pojmy, Brownův pohyb, Gaussovy procesy. Časové řady, stacionarita, autoregrese. Markovovy řetězce, náhodná procházka. Poissonův proces, model hromadné obsluhy. Monte Carlo metody. Generování náhodných veličin a procesů, využití v modelování a analýze systémů. Cvičení:. Základní typy rozdělení pravděpodobnosti, jejich charakteristiky - opakování. Typické aplikace na vybrané modelové situace (měření s chybou, statistické přejímky, analýza životnosti). Metody statistické analýzy dat. Exploratorní a grafická analýza, Estimace parametrů modelu, maximálně věrohodné odhady, výpočty, vlastnosti, testy. Regresní analýza, prokládání křivek daty, jádrový odhad, polynomy, regresní spliny. Analýza rozptylu. Hlavní komponenty - využití. Klasifikace, základní metody, aplikace. Rozpoznávání, klasifikační strom. Bayesovy metody v analýze dat, modelování a rozhodování Náhodné procesy. Základní pojmy, Brownův pohyb, Gaussovy procesy. Časové řady, stacionarita, autoregrese. Markovovy řetězce, náhodná procházka. Poissonův proces, model hromadné obsluhy. Monte Carlo metody. Generování náhodných veličin a procesů, využití v modelování a analýze systémů.

Studijní aktivity a metody výuky
Monologický výklad (přednáška, prezentace, vysvětlování)
  • Účast na výuce - 42 hodin za semestr
Výstupy z učení
Cílem předmětu je zvládnutí základních metod matematické statistiky při návrhu experimentů a zpracování získaných dat. Kurz zahrnuje i praktické zvládnutí metod pomocí statistického software R.
Student získá teoretické znalosti a praktické dovednosti ve statistické analýze a teorii náhodných procesů.
Předpoklady
Nespecifikováno

Hodnoticí metody a kritéria
Kombinovaná zkouška

Podmínkou zápočtu je aktivní účast na cvičeních, úspěšné absolvování testů. Zkouška je písemná a ústní.
Doporučená literatura
  • Anděl, J. Statistické metody. Matfyzpress Praha, 1998.
  • Antoch, J.- Vorlíčková D. Vybrané metody statistické analýzy dat. Academia Praha, 1992.
  • D. Huff. How to Lie with Statistics, Penguin Books, 1973.
  • N. N. Taleb. The Black Swan -- The Impact of the Highly Improbable (First ed.), Penguin Ltd. London, April 2007, pp. 400..
  • R. Briš, M. Litschmannová. Statistika I., Technická univerzita Ostrava.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Mechatronika (2016) Kategorie: Speciální a interdisciplinární obory 1 Doporučený ročník:1, Doporučený semestr: Zimní
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Automatické řízení a inženýrská informatika (2016) Kategorie: Speciální a interdisciplinární obory 1 Doporučený ročník:1, Doporučený semestr: Zimní
Fakulta: Fakulta mechatroniky, informatiky a mezioborových studií Studijní plán (Verze): Aplikované vědy v inženýrství (2019) Kategorie: Speciální a interdisciplinární obory 3 Doporučený ročník:3, Doporučený semestr: Zimní