Detail předmětu
Pravděpodobnost, statistika a analýza dat: pokročilý kurz
FSI-S2D-A Ak. rok: 2024/2025 Zimní semestr
Obsahem předmětu jsou partie: teorie odhadu, maximální věrohodnost, momentové odhady, bayesovské metody, testování statistických hypotéz, neparametrické metody, hustoty exponenciálního typu, asymptotické testy, zobecněné lineární modely.
Jazyk výuky
angličtina
Počet kreditů
6
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Základy teorie pravděpodobnosti a matematické statistiky, lineární modely.
Pravidla hodnocení a ukončení předmětu
Podmínky udělení zápočtu: aktivní účast ve cvičení, prokázání základních dovedností pro praktickou analýzu dat na PC formou projektu, úspěšné řešení případných průběžných písemných testů.
Zkouška probíhá ústně, jsou voleny otázky ze 3 předem stanovených okruhů (30+30+40 bodů). V každém okruhu je pro úspěšné složení zkoušky požadována dostatečná znalost základních pojmů a jejich vlastností. Hodnocení podle bodů: výborně (90 až 100 bodů), velmi dobře (80 až 89), dobře (70 až 79 bodů), uspokojivě (60 až 69 bodů), dostatečně (50 až 59 bodů), nevyhovující (0 až 49 bodů).
Účast na cvičení je povinná a o náhradě zameškané výuky rozhoduje učitel cvičení.
Učební cíle
Seznámení studentů mezinárodního oboru Logistická analýza s metodami teorie odhadu, asymptotickým přístupem k testování statistických hypotéz vedoucím k metodám zobecněných lineárních modelů a s využitím těchto metod ke statistické analýze reálných dat.
Studenti získají potřebné znalosti z významných partií matematické statistiky, které jim umožní posuzovat a vytvářet stochastické modely technických jevů a procesů založené na těchto metodách a realizovat je na PC.
Použití předmětu ve studijních plánech
Program N-LAN-A: Logistics Analytics, magisterský navazující, povinně volitelný
Program C-AKR-P: Akreditované předměty v CŽV, celoživotní vzdělávání v akr. stud. programu
specializace CZS: Předměty zimního semestru, volitelný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Osnova
1. Nestranné a konzistentní odhady
2. Regulární system hustot, Raova – Cramérova věta, vydatné odhady
3. Fisherova míra informace a Fisherova informační matice
4. Exponenciální třída rozdělení
5. Postačující statistiky, Neymanovo faktorizační kritérium
6. Raova-Blackwellova věta a její použití
7. Metoda momentů, metoda maximální věrohodnosti
8. Bayesovský přístup
9. Testování statistických hypotéz
10. Základy neparametrických metod
11. Asymptotické testy založené na věrohodnostní funkci
12. Testy hypotéz o parametrech s rušivými parametry, příklady
13. Zobecněné lineární modely – logistická regrese, log-lineární modely
Cvičení s počítačovou podporou
26 hod., povinná
Osnova
1. Přehled rozdělení pravděpodobností, grafické znázornění hustot
2. Nestranné a konzistentní odhady – příklady odhadů, ověřování jejich vlastností
3. Výpočet dolní hranice pro rozptyl nestranných odhadů
4. Výpočet Fisherovy míry informace a Fisherovy informační matice pro zadaná rozdělení
5. Příklady rozdělení exponenciálního typu
6. Užití Neymanova faktorizačního kritéria
7. Hledání odhadů pomocí Raova-Blackwellovy věty
8. Konstrukce odhadů metodou momentů a pomocí metody maximální věrohodnosti
9. Konstrukce bayesovských odhadů
10. Použití asymptotických testů založených na věrohodnostní funkci
11. Testy s rušivými parametry, odhady parametrů Weibullova rozdělení a gama rozdělení
12. Testování hypotéz o parametrech zobecněného lineárního modelu
13. Logistická regrese, loglineární modely