CTU FEE Moodle
Probability and Statistics
B242 - Summer 2024/2025
Probability and Statistics - B0B01PST
| Credits | 7 |
| Semesters | Winter |
| Completion | Assessment + Examination |
| Language of teaching | undefined |
| Extent of teaching | 4P+2S |
Annotation
Předmět pokrývá základní partie pravděpodobnosti a matematické statistiky. Úvodní část je zaměřena na klasickou pravděpodobnost včetně podmíněné pravděpodobnosti. Další část se věnuje teorii náhodných veličin a jejich rozdělení, příkladům nejdůležitějších typů diskrétních a spojitých rozdělení, číselným charakteristikám náhodných veličin, jejich nezávislosti, součtům a transformacím. Pravděpodobnostních znalostí je v závěru využito při popisu statistických metod pro odhady parametrů rozdělení a testování hypotéz.
Study targets
Studenti se seznámí se základními pravděpodobnostními modely a statistickými metodami používanými v praxi k analýze dat týkajících se výsledků náhodných událostí.
Course outlines
1. Náhodný jev, definice pravděpodobnosti, základní pravděpodobnostní prostory.
2. Podmíněná pravděpodobnost, Bayesova věta.
3. Náhodná veličina, distribuční funkce, hustota pravděpodobnosti.
4. Charakteristiky náhodné veličiny - střední hodnota, rozptyl.
5. Základní diskrétní rozdělení pravděpodobnosti.
6. Základní spojitá rozdělení pravděpodobnosti.
7. Nezávislost náhodných veličin.
8. Transformace a součty náhodných veličin.
9. Náhodný vektor, rozdělení pravděpodobnosti náhodného vektoru.
10. Charakteristiky náhodného vektoru - vektor středních hodnot, korelační matice.
11. Popisná statistika.
12. Bodový odhad parametru, metoda maximální věrohodnosti.
13. Intervalový odhad parametru.
14. Základy testování hypotéz.
2. Podmíněná pravděpodobnost, Bayesova věta.
3. Náhodná veličina, distribuční funkce, hustota pravděpodobnosti.
4. Charakteristiky náhodné veličiny - střední hodnota, rozptyl.
5. Základní diskrétní rozdělení pravděpodobnosti.
6. Základní spojitá rozdělení pravděpodobnosti.
7. Nezávislost náhodných veličin.
8. Transformace a součty náhodných veličin.
9. Náhodný vektor, rozdělení pravděpodobnosti náhodného vektoru.
10. Charakteristiky náhodného vektoru - vektor středních hodnot, korelační matice.
11. Popisná statistika.
12. Bodový odhad parametru, metoda maximální věrohodnosti.
13. Intervalový odhad parametru.
14. Základy testování hypotéz.
Exercises outlines
1. Náhodný jev, definice pravděpodobnosti, základní pravděpodobnostní prostory.
2. Podmíněná pravděpodobnost, Bayesova věta.
3. Náhodná veličina, distribuční funkce, hustota pravděpodobnosti.
4. Charakteristiky náhodné veličiny - střední hodnota, rozptyl.
5. Základní diskrétní rozdělení pravděpodobnosti.
6. Základní spojitá rozdělení pravděpodobnosti.
7. Nezávislost náhodných veličin.
8. Transformace a součty náhodných veličin.
9. Náhodný vektor, rozdělení pravděpodobnosti náhodného vektoru.
10. Charakteristiky náhodného vektoru - vektor středních hodnot, korelační matice.
11. Popisná statistika.
12. Bodový odhad parametru, metoda maximální věrohodnosti.
13. Intervalový odhad parametru.
14. Základy testování hypotéz.
2. Podmíněná pravděpodobnost, Bayesova věta.
3. Náhodná veličina, distribuční funkce, hustota pravděpodobnosti.
4. Charakteristiky náhodné veličiny - střední hodnota, rozptyl.
5. Základní diskrétní rozdělení pravděpodobnosti.
6. Základní spojitá rozdělení pravděpodobnosti.
7. Nezávislost náhodných veličin.
8. Transformace a součty náhodných veličin.
9. Náhodný vektor, rozdělení pravděpodobnosti náhodného vektoru.
10. Charakteristiky náhodného vektoru - vektor středních hodnot, korelační matice.
11. Popisná statistika.
12. Bodový odhad parametru, metoda maximální věrohodnosti.
13. Intervalový odhad parametru.
14. Základy testování hypotéz.
Literature
- M. Navara: Pravděpodobnost a matematická statistika. ČVUT, Praha 2007.
- V. Dupač, M. Hušková: Pravděpodobnost a matematická statistika. Karolinum, Praha 1999.
- V. Dupač, M. Hušková: Pravděpodobnost a matematická statistika. Karolinum, Praha 1999.
Requirements
Počítání základních integrálů.