|
|
|
||
Poslední úprava: RNDr. Jitka Zichová, Dr. (14.05.2020)
|
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (29.09.2020)
Studenti se seznámí se základy teorie pravděpodobnosti a matematické statistiky. Hlavním cílem je pochopení podstaty statistických a pravděpodobnostních postupů prezentovaných v dalších přednáškách. |
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (26.09.2022)
Obecné podmínky: Zápočet je nutnou podmínkou připuštění ke zkoušce. K získání zápočtu je nutná účast na cvičení (s tolerancí 3 neúčastí) a splnění zápočtového testu na 51% bodů. Charakter udělení zápočtu neumožňuje jeho opakování, v případě nedostatečného počtu bodů v testu bude možnost jednoho opravného pokusu.
Zkouška se skládá z písemného testu a ústní části. |
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (29.09.2020)
Karel Zvára, Josef Štěpán: Pravděpodobnost a matematická statistika, Matfyzpress, Praha, 2012. Ronald Meester. A Natural Introduction to Probability Theory 2nd ed. Birkhäuser 2008 Geoffrey Grimmett , David Stirzaker. Probability and Random Processes. Oxford 2001. Geoffrey Grimmett , David Stirzaker. One Thousand Exercises in Probability. Oxford 2001. Zápisky k přednášce dostupné na v MOodle UK https://dl1.cuni.cz/course/view.php?id=10744 |
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (26.09.2022)
Přednáška i cvičení se konají obvykle prezenční formou.
Doplňkové materiály k výuce jsou dostupné na internetu: Hlavní rozcestník je v Moodle UK: https://dl1.cuni.cz/course/view.php?id=10744 Větší soubory (zejména videa) jsou ve studentském úložišti MFF: https://su.mff.cuni.cz/view/dirinfo/home/hlubinka/NMSA211/
Přednáška+cvičení. |
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (29.09.2020)
Písemný test je zaměřený na řešení početních příkladů. Ústní část zkoušky je zaměřena na teoretické znalosti a jejich aplikace. |
|
||
Poslední úprava: doc. RNDr. Daniel Hlubinka, Ph.D. (26.09.2022)
Základy teorie pravděpodobnosti a statistického uvažování. Matematická axiomatika pravděpodobnosti, výpočetní vzorce, podmíněná pravděpodobnost a Bayesův vzorec. Náhodné veličiny a vektory a jejich rozdělení, charakteristiky náhodných veličin. Konvergence v pravděpodobnosti a v distribuci, zákon velkých čísel a centrální limitní věta, Markovova, Čebyševova a Chernoffova nerovnost. Použití limitních vět a nerovností. Odhad parametru a pravděpodobnosti pomocí limitních vět. |
|
||
Poslední úprava: RNDr. Jitka Zichová, Dr. (01.05.2020)
Znalosti předpokládané před zapsáním předmětu: základy kombinatoriky, základy kalkulu (posloupnosti, řady a integrály) a lineární algebry. |