|
|
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (30.11.2020)
|
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (30.11.2020)
Studenti se seznámí s principy pokročilých metod statistické inference, na kterých jsou postaveny metody analýzy dat. |
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (02.12.2020)
Před ústní zkouškou je třeba získat zápočet.
K získání zápočtu je třeba získat alespoň 100 bodů ze zadaných domácích úkolů, přičemž student nemusí řešit všechny úkoly. Jeden úkolů je však povinný. Tento úkol je zapotřebí uspokojivě vyřešit, přičemž student bude mít u tohoto úkolu možnost jedné opravy.
Povaha kontroly studia předmětu vylučuje opakování této kontroly. |
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (03.12.2020)
ANDĚL, J.: Základy matematické statistiky. Matfyzpress, Praha, 2007.
LEHMANN, E. L. and CASSELLA, G. (1998). Theory of point estimation. Springer, New York.
MCLACHLAN, G. J., KRISHNAN, T.: The EM Algorithms and Extensions, Wiley, 2008 Doplňující literatura: KOENKER, R.: Quantile regression. Cambridge university press, 2005.
LITTLE, R.J.A., RUBIN, D.B.: Statistical analysis with missing data. New York: John Wiley & Sons, 1987
PAWITAN, Y.: In all likelihood: statistical modelling and inference using likelihood. Oxford University Press, 2001.
SERFLING, R. J.: Approximation Theorems of Mathematical Statistics, Wiley, 1980.
VAN DER VAART, A. W.: Asymptotic statistics. Cambridge university press, 2000. |
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (30.11.2020)
Přednáška+cvičení. |
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (30.11.2020)
Pokud to situace umožní, tak zkouška má dvě části - písemnou a ústní. Ke složení zkoušky je zapotřebí zvládnout obě části této zkoušky.
Pokud by situace neumožňovala osobní přítomnost studenta, bude zkouška provedena vhodnou distanční formou.
Požadavky na zkoušku odpovídají tomu, co bylo v rámci kurzu odpředneseno. |
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (02.12.2020)
Teorie maximální věrohodnosti
Profilová, podmíněná a marginální věrohodnost
M-odhad a Z-odhady
Robustní odhady
Kvantilová regrese
EM-algoritmus
Metody pro chybějící data
|
|
||
Poslední úprava: doc. Ing. Marek Omelka, Ph.D. (30.11.2020)
Předpokládá se již dobrá znalost matematické statistiky a pravděpodobnosti. Tyto znalosti jsou pokryty předměty: Matematická statistika 1 a 2 (NMSA331 and NMSA332), Teorie pravděpodobnosti 1 (NMSA333), Lineární regrese (NMSA407).
Základní vstupní požadavky docela dobře pokrývá kniha: Anděl, J. (2007). Základy matematické statistiky. Matfyzpress.
|