Detail předmětu

Stochastické modelování

FSI-S2M-A Ak. rok: 2021/2022 Zimní semestr

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.

Jazyk výuky

angličtina

Počet kreditů

3

Garant předmětu

Zajišťuje ústav

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.

Prerekvizity

Metody matematické analýzy reálných a komplexních funkcí, teorie pravděpodobnosti a matematické statistiky.

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.

Učební cíle

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.

Použití předmětu ve studijních plánech

Program N-MAI-A: Mathematical Engineering, magisterský navazující, volitelný

Typ (způsob) výuky

 

Cvičení

26 hod., povinná

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.