Základní přednáška z pravděpodobnosti a statistiky pro informatiky. Studenti se seznámí se základními metodami
a pojmy pravděpodobnostního popisu reality:
pravděpodobnost, náhodná veličina, distribuční funkce a její hustota,
náhodné vektory, zákony velkých čísel. Důraz bude na pochopení principů a schopnost jejich použití.
Studenti se
dále naučí základy matematické statistiky s důrazem na pochopení aplikovatelnosti a na praktické zvládnutí (jazyk
R).
Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (26.01.2018)
Basic lecture on Probability and Statistics for students of computer science. Students will learn the basic methods
and concepts of the probabilistic description of reality: probability, random variable, distribution function and its
density, random vectors, laws of large numbers. The emphasis will be on understanding the principles and the
ability to use them.
Students will also learn the basics of mathematical statistics with an emphasis on
understanding the applicability and on practical usage using the R language.
Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (26.01.2018)
Cíl předmětu -
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: Šámal Robert, doc. Mgr., Ph.D. (29.09.2020)
The students will learn basics of the probability theory and mathematical statistics. The will be able to understand the core of stochastic procedures presented in other courses.
Poslední úprava: G_M (05.06.2008)
Podmínky zakončení předmětu -
Zápočet bude udělen příslušným cvičícím podle jím stanovených podmínek.
Cvičící Robert Šámal a Pavel Valtr: za domácí úkoly, zápočtovou písemku, zápočtovou práci ze statistiky s přihlédnutím k aktivní účasti na cvičení.
Cvičící Petr Chmel: za domácí úkoly a zápočtovou práci ze statistiky s přihlédnutím k aktivní účasti na cvičení.
Cvičící Matej Lieskovský: za zápočtovou práci a písemku, s přihlédnutím k domácím úkolům.
Detailní popis bude uveřejněn na webu příslušného cvičení.
Zkouška bude písemná, s možností ústní části pro vylepšení známky.
Poslední úprava: Šámal Robert, doc. Mgr., Ph.D. (10.02.2023)
The credit will be given for active participation in tutorials, quizzes, homework, and successful completion of tests (the exact weight of each of these criteria is determined by the TA).
The nature of the first two requirements does not make it possible for repeated attempts for the credit. The teacher can, however, determine alternative conditions for replacing the missing requirements.
The exam will be semi-oral. Obtaining the credit is necessary before the final exam.
Poslední úprava: Feldmann Andreas Emil, doc., Dr. (09.02.2022)
Literatura -
Následující texty tvoří výraznou nadmnožinu probírané látky.
Mor Harchol-Balter: Introduction to Probability for Computing, Cambridge University Press, 2023.
G. Grimmett, D. Welsh: Probability - an introduction, Oxford University Press, 2014.
L. Wasserman: All of statistics, Springer, 2005
M. Mitzenmacher, E. Upfal: Probability and Computing, Cambridge, 2005.
S. Ross: A first course in probability, Pearson Prentice Hall, 2010.
R. Bartoszynski, M. Niewiadomska-Budaj: Probability and Statistical Inference, J. Wiley, 1996.
J. Anděl: Statistické metody, Matfyzpress, Praha 1998.
D. Jarušková: Matematická statistika, skriptum ČVUT, Praha 2000.
K. Zvára, J. Štěpán: Pravděpodobnost a matematická statistika, Matfyzpress, Praha 1997.
Poslední úprava: Šámal Robert, doc. Mgr., Ph.D. (30.09.2024)
R. Bartoszynski, M. Niewiadomska-Budaj: Probability and Statistical Inference, J. Wiley, 1996.
Mor Harchol-Balter: Introduction to Probability for Computing, Cambridge University Press, 2023.
G. Grimmett, D. Welsh: Probability - an introduction, Oxford University Press, 2014.
M. Mitzenmacher, E. Upfal: Probability and Computing, Cambridge, 2005.
S. Ross: A first course in probability, Pearson Prentice Hall, 2010.
J. Anděl: Statistické metody, Matfyzpress, Praha 1998.
D. Jarušková: Matematická statistika, skriptum ČVUT, Praha 2000.
K. Zvára, J. Štěpán: Pravděpodobnost a matematická statistika, Matfyzpress, Praha 1997.
Poslední úprava: Šámal Robert, doc. Mgr., Ph.D. (30.09.2024)
Metody výuky -
Přednáška+cvičení, aktuálně obojí v Zoomu. Bližší info, adresy setkání, atd. viz Moodle.
Obojí probíhá v rozvržených časech.
Máte-li problém s technologií, ozvěte se.
Poslední úprava: Šámal Robert, doc. Mgr., Ph.D. (29.09.2020)
Lecture+exercises.
Poslední úprava: G_M (29.05.2008)
Požadavky ke zkoušce -
Zkouška je písemná a skládá se ze dvou částí. Početní část vychází z příkladů, které jsou obsaženy v sadě příkladů ke cvičení. Teoretická část vychází ze sylabu předmětu s ohledem na odpřednášenou látku a zveřejněný pomocný učební text. Výsledná známka je kombinací klasifikace obou částí testu.
Ve výjimečných případech nebo v případě zájmu studenta po písemné zkoušce následuje ústní zkouška sloužící k upřesnění klasifikace.
V případě neúspěšně složené jakékoliv části je nutné opakovat obě části písemného testu.
V době trvající pandemie budou zkoušky prováděny vhodnou náhradní (distanční) formou.
Poslední úprava: Šámal Robert, doc. Mgr., Ph.D. (29.09.2020)
The exam is semi-oral, which means that each student will get some questions about to the content of the lecture. After getting some time to prepare, each student will explain their answers to the teacher and the grade is determined by their performance. Each student will get questions on each of the two parts of the lecture (probability theory and statistics).
In exceptional cases the exam can be taken online.
Poslední úprava: Feldmann Andreas Emil, doc., Dr. (09.02.2022)
Sylabus -
Pravděpodobnost:
Axiomy pravděpodobnosti, základní příklady (diskrétní a spojité). Podmíněná pravděpodobnost, věta o úplné pravděpodobnosti, Bayesova věta.
Náhodné veličiny s diskrétním rozdělením: střední hodnota, rozptyl, linearita střední hodnoty a její použití. Základní diskrétní distribuce.
Spojité náhodné veličiny: popis pomocí hustoty pravděpodobnosti. Základní spojitá rozdělení.
