Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Pravděpodobnost a matematická statistika

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
D01PMS ZK 4P česky
Garant předmětu:
Daniela Jarušková
Přednášející:
Daniela Jarušková
Cvičící:
Předmět zajišťuje:
katedra matematiky
Anotace:

Vybrané partie z teorie pravděpodobnosti. Matematická statistika: Lineární model - odhad parametrů, testování, predikce. Nelineární model - jeho linearizace a odhad parametrů. Simulační metody.

Požadavky:
Osnova přednášek:

1. Základní popisná statistika. Inferenční statistika.

2. Pravděpodobnost-náhodné události, definice pravděpodobnosti, podmíněná pravděpodobnost, nezávislost náhodných jevů.

3. Diskrétní náhodné proměnné & rozdělení, střední hodnota, příklady diskrétních rozdělení.

4. Spojité náhodné proměnné & hustota, distribuční funkce, kvantily, střední hodnota, rozptyl, příklady spojitých rozdělení.

5. Normální rozdělení.

6. Logaritmicko-normální rozdělení.

7. Dvourozměrné rozdělení, marginální rozdělení, nezávislost, korelace.

8. Centrální limitní věta. Rozdělení průměru.

9. Odhad parametrů. Vlastnosti odhadů. Intervaly spolehlivosti.

10. Testování hypotéz. Jedno a dvouvýběrové problémy.

11. Lineární regrese. Metoda nejmenších čtverců.

12. Lineární regrese. Odhad parametrů. Predikce.

Osnova cvičení:

1. Základní popisná statistika. Inferenční statistika.

2. Pravděpodobnost-náhodné události, definice pravděpodobnosti, podmíněná pravděpodobnost, nezávislost náhodných jevů.

3. Diskrétní náhodné proměnné & rozdělení, střední hodnota, příklady diskrétních rozdělení.

4. Spojité náhodné proměnné & hustota, distribuční funkce, kvantily, střední hodnota, rozptyl, příklady spojitých rozdělení.

5. Normální rozdělení.

6. Logaritmicko-normální rozdělení.

7. Dvourozměrné rozdělení, marginální rozdělení, nezávislost, korelace.

8. Centrální limitní věta. Rozdělení průměru.

9. Odhad parametrů. Vlastnosti odhadů. Intervaly spolehlivosti.

10. Testování hypotéz. Jedno a dvouvýběrové problémy.

11. Lineární regrese. Metoda nejmenších čtverců.

12. Lineární regrese. Odhad parametrů. Predikce.

Cíle studia:

Získání základních znalostí o inferenční statistice.

Studijní materiály:

Jay L. Devore: Probability and statistics for engineering and the sciences. Duxbury, ISBN-13:978-0-538-73352-6

Poznámka:

obor MAT

Rozvrh na zimní semestr 2023/2024:
Rozvrh není připraven
Rozvrh na letní semestr 2023/2024:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 4. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet24454705.html