SubjectsSubjects(version: 953)
Course, academic year 2023/2024
   Login via CAS
Fundamentals of Mathematical Modelling - NMFM310
Title: Základy matematického modelování
Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
Faculty: Faculty of Mathematics and Physics
Actual: from 2021
Semester: summer
E-Credits: 5
Hours per week, examination: summer s.:2/2, C+Ex [HT]
Capacity: unlimited
Min. number of students: unlimited
4EU+: no
Virtual mobility / capacity: no
State of the course: not taught
Language: Czech
Teaching methods: full-time
Teaching methods: full-time
Guarantor: doc. RNDr. Matúš Maciak, Ph.D.
Class: M Bc. FM
M Bc. FM > Povinné
Classification: Mathematics > Probability and Statistics
Co-requisite : NMFM301
Interchangeability : NMFM332
Is interchangeable with: NMOD009
Annotation -
The lecture is dedicated to analysis and modelling of temporal data. Required course for bachelor's program in Financial mathematics.
Last update: G_M (15.05.2012)
Aim of the course -

Introduce students into basic methods for analysis nad modelling of temporal data.

Last update: G_M (24.04.2012)
Course completion requirements - Czech

K udělení zápočtu je nutná účast na cvičení a vypracování domácích úkolů postupně zadávaných v průběhu semestru.

Zápočet je nutnou podmínkou pro konání zkoušky.

Last update: Zichová Jitka, RNDr., Dr. (05.03.2018)
Literature - Czech

Mandl P.: Pravděpodobnostní dynamické modely. Academia Praha 1985

Prášková, Z., Lachout, P.: Základy náhodných procesů I, Matfyzpress, Praha 2012

Prášková, Z.: Základy náhodných procesů II. Karolinum, 2004.

Last update: Prokešová Michaela, RNDr., Ph.D. (06.09.2013)
Teaching methods -

Lecture+exercises.

Last update: G_M (24.04.2012)
Requirements to the exam - Czech

Zkouška se skládá ze dvou částí: písemná práce (praktické a teoretické úlohy) a pak ústní část v případě, že student získá z písemné části dostatečný počet bodů.

Nutnou podmínkou pro konání zkoušky je získání zápočtu.

Last update: Zichová Jitka, RNDr., Dr. (05.03.2018)
Syllabus -

1. Data analysis, moving averages

2. Growth models.

3. Linear systems.

4. Markov chains with discrete time and statespace.

5. Time series, ARMA processes.

6. Poisson process and related models

Last update: G_M (24.04.2012)
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html