Fundamentals of Mathematical Modelling - NMFM310

• Title: Základy matematického modelování
• Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2021
• Semester: summer
• E-Credits: 5
• Hours per week, examination: summer s.:2/2, C+Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: not taught
• Language: Czech
• Teaching methods: full-time
• Guarantor: doc. RNDr. Matúš Maciak, Ph.D.
• Class: M Bc. FM; M Bc. FM > Povinné
• Classification: Mathematics > Probability and Statistics
• Co-requisite : NMFM301
• Interchangeability : NMFM332
• Is interchangeable with: NMOD009

Annotation

English

The lecture is dedicated to analysis and modelling of temporal data. Required course for bachelor's program in Financial mathematics.

Last update: G_M (15.05.2012)

Czech

Přednáška je věnována analýze a modelování časových dat. Povinný předmět bakalářského oboru Finanční matematika.

Last update: G_M (15.05.2012)

Aim of the course

English

Introduce students into basic methods for analysis nad modelling of temporal data.

Last update: G_M (24.04.2012)

Czech

Seznámit studenty se základními možnostmi analýzy a modelování časových dat.

Last update: G_M (24.04.2012)

Course completion requirements

K udělení zápočtu je nutná účast na cvičení a vypracování domácích úkolů postupně zadávaných v průběhu semestru.

Zápočet je nutnou podmínkou pro konání zkoušky.

Last update: Zichová Jitka, RNDr., Dr. (05.03.2018)

Literature

Mandl P.: Pravděpodobnostní dynamické modely. Academia Praha 1985

Prášková, Z., Lachout, P.: Základy náhodných procesů I, Matfyzpress, Praha 2012

Prášková, Z.: Základy náhodných procesů II. Karolinum, 2004.

Last update: Prokešová Michaela, RNDr., Ph.D. (06.09.2013)

Teaching methods

English

Lecture+exercises.

Last update: G_M (24.04.2012)

Czech

Přednáška+cvičení.

Last update: G_M (24.04.2012)

Requirements to the exam

Zkouška se skládá ze dvou částí: písemná práce (praktické a teoretické úlohy) a pak ústní část v případě, že student získá z písemné části dostatečný počet bodů.

Nutnou podmínkou pro konání zkoušky je získání zápočtu.

Last update: Zichová Jitka, RNDr., Dr. (05.03.2018)

Syllabus

English

1. Data analysis, moving averages

2. Growth models.

3. Linear systems.

4. Markov chains with discrete time and statespace.

5. Time series, ARMA processes.

6. Poisson process and related models

Last update: G_M (24.04.2012)

Czech

1. Vyrovnávání dat, klouzavé průměry.

2. Modely růstu.

3. Lineární soustavy.

4. Markovovy řetězce s diskrétním časem a stavovým prostorem.

5. Časové řady, ARMA procesy.

6. Poissonův proces a příbuzné modely.

Last update: G_M (24.04.2012)