Last update: doc. RNDr. Martin Branda, Ph.D. (10.12.2020)
Stationary process. Continuity, derivative and integral of a process. Spectral representation. Linear process.
Ergodicity, central limit theorems. Predictions and filtrations. ARMA models and their statistical analysis.
Last update: doc. RNDr. Martin Branda, Ph.D. (10.12.2020)
Stacionární proces. Spojitost, derivace a integrál procesu. Spektrální reprezentace. Lineární proces. Ergodicita,
centrální limitní věty. Predikce a filtrace. Modely ARMA a jejich statistická analýza.
Aim of the course -
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Students gain basic knowledge of the theory of stationary processes in both time and spectral domain. The aim is also to acquaint students with basic statistical properties of time series.
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Studenti získají základní vědomosti z teorie stacionárních procesů v časové i spektrální doméně. Dále se seznámí se základními statistickými vlastnostmi časových řad.
Course completion requirements -
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
The subject is terminated with the course credit (zápočet) and exam.
Obtaining the course credit is a necessary condition for taking the exam.
Criteria for obtaining the course credit, common for all the groups, are the following:
1. Obtaining at least 70 % of points from regular homeworks (Moodle);
2. Sucessfully passing two tests during the course, i.e. obtaining at least 70 % of the
points in each test. For each test there will be exactly one chance to retake the test
{one term common for all the groups). The planned terms will be announced at the beginning
of the semester in the Moodle platform.
Due to multiple activities required during the semester a retake of the credit course is excluded.
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Předmět je zakončen zápočtem a zkouškou. Bez zápočtu se nelze zapsat ke zkoušce.
Podmínky pro udělení zápočtu:
1. Získat minimálně 70% z bodů udělených za domácí přípravu formou e-learningu (Moodle)
2. Absolvovat dva písemné testy a z každého získat nejméně 70% z možného počtu bodů.
Každý z těchto písemných testů lze opakovat právě jednou.
Termíny písemných testů budou oznámeny na začátku semestru na stránce kurzu na platformě Moodle. Opravné testy se píší najednou pro všechny skupiny.
Forma výuky a její průběžná kontrola vylučují možnost opakovat zápočet v daném semestru.
Literature -
Last update: doc. RNDr. Martin Branda, Ph.D. (10.12.2020)
Anděl J.: Statistická analýza časových řad. SNTL, Praha 1976
Brockwell P.J., Davis R.A.: Time series: Theory and Methods, Springer-Verlag, New York, 1987
Prášková, Z.: Základy náhodných procesů II. Karolinum, 2004.
Last update: doc. RNDr. Daniel Hlubinka, Ph.D. (10.12.2020)
Anděl J.: Statistická analýza časových řad. SNTL, Praha 1976
Brockwell P.J., Davis R.A.: Time series: Theory and Methods, Springer-Verlag, New York, 1987
Prášková, Z.: Základy náhodných procesů II. Karolinum, 2004.
Teaching methods -
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Lecture + exercises.
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Přednáška + cvičení.
Requirements to the exam -
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
The exam consists of the written (minimum score 50% is necessary to continue in) and the oral parts.
The written part lasts 90 minutes and 4 exercises have to be solved in it. If the score achieved from the written part is less than 50%, the exam is graded as "fail".
The oral part of the exam covers the subject matter in accordance with the sylabus, in the extent presented at the lectures.
Last update: RNDr. Jitka Zichová, Dr. (20.05.2022)
Zkouška je písemná a ústní.
Písemná zkouška trvá 90 minut. Jsou zadány 4 úlohy, ze kterých je nutno získat nejméně 50% z možných bodů, jinak nelze pokračovat v ústní zkoušce a celkový výsledek je "neprospěl/a".
Ústní zkouška pokrývá sylabus v rozsahu přednesené látky.
Syllabus -
Last update: doc. RNDr. Daniel Hlubinka, Ph.D. (10.12.2020)
Stationary processes.
Continuity, differentiation and integration.
Spectral representation.
Linear process. Ergodicity, central limit theorems.
Prediction and filtration.
ARMA models and their statistical analysis.
Last update: doc. RNDr. Daniel Hlubinka, Ph.D. (10.12.2020)
1. Definice a základní charakteristiky náhodných procesů. Některé důležité třídy náhodných procesů.
2. Hilbertův prostor. Prostor L_2. Procesy se spojitým časem v L_2.
3. Spektrální rozklad autokovarianční funkce. Existence a výpočet spektrální hustoty
4. Procesy s ortogonálními přírůstky. Integrál podle procesu s ortogonálními přírůstky. Spektrální rozklad stacionárních procesů
6. Predikce v konečných náhodných posloupnostech. Rekurzivní metody predikce. Predikce v modelech ARMA. Predikce v nekonečných stacionárních posloupnostech. Predikce ve spektrální doméně.Filtrace signálu a šumu.
7. Ergodické věty v L_2. Vybrané centrální limitní věty.
