čeština

5

Studenti by po absolvování kursu měli být schopni z oblasti pravděpodobnosti a statistiky:
- vypočítat základní charakteristiky statistického souboru (aritmetický průměr, medián, modus, rozptyl, směrodatná odchylka)
- pro konkrétní zadání vybrat správný model (klasická, diskrétní, geometrická pravděpodobnost) a vypočítat pravděpodobnost zadaného jevu
- vypočítat podmíněnou pravděpodobnost jevu za dané podmínky
- rozeznat a využít nezávislost jevů při výpočtu pravděpodobnosti
- aplikovat větu o úplné pravděpodobnosti a Bayesův vzorec
- pracovat s pravděpodobnostní funkcí (u diskrétní náhodné veličiny) a hustotou (u spojité náhodné veličiny) a s distribuční funkcí, určit jednu na základě znalosti druhé
- u jednoduchých příkladů sestavit pravděpodobnostní funkci
- u modelových situací vybrat správný typ pravděpodobnostního rozdělení (binomické, hypergeometrické, exponenciální, apod.) a dále s ním pracovat
- vypočítat střední hodnotu, rozptyl a směrodatnou odchylku náhodné veličiny a vysvětlit jejich význam
- provádět výpočty s náhodnou veličinou X s normálním rozdělením - určit pravděpodobnost, že je X v daném rozmezí, najít kvantil/y pro zadanou pravděpodobnost
- konstruovat odhady neznámých parametrů známých rozdělení
- odhadovat parametry rozdělení pravděpodobnosti metodou maximální věrohodnosti
- provést některé jednoduché statistické testy: U-test, test o střední hodnotě při známém rozptylu, test o parametru p binomického rozdělení

Z oblasti numerických metod by absolvent předmětu měl umět:
- najít kořen rovnice f(x)=0 metodou půlení intervalů, Newtonovou metodou, metodou prosté iterace, popsat tyto metody včetně podmínek konvergence
- najít kořen soustavy dvou nelineárních rovnic Newtonovou metodou a metodou prosté iterace
- řešit soustavu lineárních rovnic Gaussovou eliminací s výběrem hlavního prvku, Jacobiho a Gauss-Seidelovou iterační metodou a diskutovat výhody a nevýhody těchto metod
- sestavit pro zadané body Lagrangeův nebo Newtonův interpolační polynom a počítat pomocí něj přibližné hodnoty aproximované funkce, případně i její derivace
- aproximovat funkci pomocí splajnu (lineárního nebo kubického)
- funkci zadanou tabulkou bodů aproximovat metodou nejmenších čtverců pomocí přímky, případně paraboly nebo exponenciály
- rozhodnout, zda je vhodnější použít interpolační polynom, splajn, metodu nejmenších čtverců
- vypočítat přibližnou hodnotu 1. nebo 2. derivace zadané funkce v zadaném bodě
- vypočítat přibližnou hodnotu určitého integrálu lichoběžníkovou a Simpsonovou metodou
- u všech výše uvedených metod popsat jejich princip, vybrat vhodnou metodu pro řešení zadané úlohy, rozhodnout o její konvergenci a zdůvodnit svůj postup řešení.

Student by měl být schopen aplikovat znalosti z kombinatoriky na úrovni středoškolského studia: umět vysvětlit, co jsou to variace s opakováním a bez opakování, permutace, kombinace, určit jejich počty, provádět výpočty s faktoriály a kombinačními čísly.
Z předmětů BMA1, BMA2 jsou požadovány základní znalosti diferenciálního počtu funkce jedné proměnné a více proměnných a integrálního počtu funkce jedné proměnné. Především by student měl umět kreslit grafy elementárních funkcí, dosadit do funkce, derivovat (včetně parciálních derivací) a integrovat.

Metody vyučování zahrnují přednášky, cvičení na počítači a ostatní aktivity.

Závěrečná písemná zkouška je hodnocena až 70 body, práce během semestru je hodnocena až 30 body.

Práce během semestru se skládá ze 4 samostatných prací po 5 bodech a 2 samostatných prací z počítačových cvičení, opět po 5 bodech. Odevzdání všech prací je možné kdykoli do konce semestru.

Zkouška se skládá ze 7 příkladů se stejným maximálním bodovým hodnocením 10 bodů. Minimálně 3 příklady se týkají numerických metod a minimálně 3 příklady se týkají pravděpodobnosti a statistiky. Ke zkoušce je povolená kalkulačka a nejvýše 3 listy formátu A4 vlastních poznámek.

1. Úvod do numerických metod. Numerické řešení soustav lineárních rovnic.
2. Numerické řešení nelineárních rovnic a jejich soustav.
3. Interpolace: interpolační polynom, splajn
4. Metoda nejmenších čtverců. Numerické derivování a integrování.
5. Základy teorie pravděpodobnosti.
6. Náhodné veličiny a jejich číselné charakteristiky
7. Náhodné vektory a jejich číselné charakteristiky
8. Významná rozdělení pravděpodobnosti
9. Zákon velkých čísel, centrální limitní věta.
10. Úvod do statistiky, statistické zpracování dat.
11. Bodové a intervalového odhady. Metoda momentů, metoda maximální věrohodnosti.
12. Testování hypotéz o střední hodnotě a rozptylu, testy dobré shody.
13. Testy korelace, neparametrické testy.

Cílem předmětu je seznámit studenty se základy dvou odlišných matematických disciplín: numerických metod a pravděpodobnosti a statistiky.

Vymezení kontrolované výuky a způsob jejího provádění viz obecné informace o kombinované formě studia.

FAJMON, B., HLAVIČKOVÁ, I., NOVÁK, M. Matematika 3. Elektronický text FEKT VUT, Brno, 2013 (CS)

eLearning: aktuální otevřený kurz

4 hod., povinná

Viz "Osnovy výuky". Výuka je rozdělena do několika tutoriálů a laboratorních cvičení.

eLearning: aktuální otevřený kurz