| Název předmětu | Statistical Evaluation of Experimental Data |
|---|---|
| Kód předmětu | UFY/479E |
| Organizační forma výuky | Přednáška + Cvičení |
| Úroveň předmětu | Doktorský |
| Rok studia | nespecifikován |
| Četnost výuky | V každém akademickém roce, jen v zimním semestru. |
| Semestr | Zimní |
| Počet ECTS kreditů | 5 |
| Vyučovací jazyk | angličtina |
| Statut předmětu | Volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Vyučující |
|---|
|
| Obsah předmětu |
|
Obsah přednášky: 1. Definice pravděpodobnosti - klasická, statistická, axiomatická 2. Podmíněná pravděpodobnost a Bayerův vzorec 3. Náhodná veličina, distribuční a frekvenční funkce 4. Hustota pravděpodobnosti, statistické momenty, centrální limitní věta 5. Binomické, Poissonovo, rovnoměrné, Gaussovo rozdělení pravděpodobnosti 6. Korelační funkce, kovariance, spektrální výkonová hustota, Wiener-Chinčinův teorém 7. Složené statistické systémy 8. Náhodný vektor, jeho popis a popis jeho rozdělení, sdružená distribuční funkce 9. Statistika - statistické soubory, základní pojmy 10. Statistický soubor s jedním argumentem - základní charakteristiky 11. Zpracování rozsáhlého statistického souboru 12. Regrese a korelace - metoda nejmenších čtverců, lineární a nelineární regrese 13. Odhady parametrů základního souboru - bodové a intervalové odhady parametrů základního souboru. 14. Testování statistických hypotéz - hypotézy o rozptylu, střední hodnotě. Test dobré shody a test extrémních hodnot. Obsah cvičení: Příklady použití statistických metod na různých fyzikálních problémech (Brownův pohyb, spektrální výkonová hustota, fluktuace teploty, elektronický šum, atd.)
|
| Studijní aktivity a metody výuky |
Monologická (výklad, přednáška, instruktáž)
|
| Výstupy z učení |
|
Seznámit studenty se základními pojmy z teorie pravděpodobnosti a matematické statistiky. Budou probírány definice pravděpodobnosti, spojité a diskrétní náhodné veličiny, diskrétní a spojitá rozdělení pravděpodobnosti a distribuční funkce. Studenti se také seznámí se zákonem velkých čísel nebo centrální limitní větou. Kurz se také zaměří na popis odhadových funkcí a jejich vlastností, zobrazení náhodných dat nebo konstrukci intervalů spolehlivosti. Probíraná problematika bude procvičována na zajímavých příkladech.
Absolvent získá přehled o základech teorie pravděpodobnosti a matematické statistiky. Na základě těchto znalostí bude schopen řešit úlohy z oblasti pravděpodobnosti a statistiky. Při práci se softwarovými nástroji bude mít představu o statistických analýzách, které tyto moderní softwarové nástroje poskytují. Znalosti uplatní v praxi, např. při analýze výsledků experimentů. |
| Předpoklady |
|
Znalost základů matematické analýzy, jak je vyučována v prvních dvou semestrech na VŠ.
UMB/CV564 ----- nebo ----- UMB/564 a zároveň UMB/565 |
| Hodnoticí metody a kritéria |
|
Ústní zkouška
Aktivní zvládnutí učiva v rozsahu odpřednášeném a daném tematickým plánem kurzu. Zápočet: docházka na cvičení a aktivní účast při počítání příkladů. Zkouška: prokázání znalostí u ústní zkoušky min na 75%. Během ústní zkoušky bude student tázán na jednu otázku z teorie pravděpodobnosti a jednu otázku z matematické statistiky. |
| Doporučená literatura |
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr |
|---|