PředmětyPředměty(verze: 945)
Předmět, akademický rok 2016/2017
   Přihlásit přes CAS
Statistika pro finanční matematiky - NMFM301
Anglický název: Statistics for Financial Mathematics
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2015 do 2016
Semestr: zimní
E-Kredity: 8
Rozsah, examinace: zimní s.:4/2, Z+Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Další informace: http://www.karlin.mff.cuni.cz/~kulich/vyuka/statfpm/index.html
Garant: doc. RNDr. Michal Pešta, Ph.D.
Třída: M Bc. FM
M Bc. FM > Povinné
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Neslučitelnost : NSTP097
Prerekvizity : NMFM202
Záměnnost : NSTP097
Je korekvizitou pro: NMFM310, NMFM308
Je záměnnost pro: NSTP097
Výsledky anket   Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: G_M (15.05.2012)
Základní přednáška z matematické statistiky pro studenty Finanční matematiky.
Cíl předmětu -
Poslední úprava: doc. Mgr. Michal Kulich, Ph.D. (05.09.2013)

Posluchači porozumí základům matematické statistiky a zvládnou důležité principy metod pro odhadování parametrů a testování hypotéz. Seznámí se s nejčastěji užívanými statistickými postupy a s jejich aplikací při analýze reálných dat.

Literatura
Poslední úprava: doc. RNDr. Michal Pešta, Ph.D. (28.10.2019)

Anděl J.: Statistické metody. MATFYZPRES, Praha 1998

Anděl J.: Základy matematické statistiky. MATFYZPRES, Praha 2002

Metody výuky -
Poslední úprava: G_M (24.04.2012)

Přednáška+cvičení.

Sylabus -
Poslední úprava: doc. Mgr. Michal Kulich, Ph.D. (05.09.2013)

1. Náhodný výběr a jeho vlastnosti.

2. Bodové a intervalové odhady a jejich vlastnosti.

3. Metody pro odhadování parametrů. Empirické, momentové odhady. Metoda maximální věrohodnosti.

4. Teorie testování hypotéz.

5. Jednovýběrové a párové metody pro spojitá data.

6. Jednovýběrové metody pro diskrétní data.

7. Dvouvýběrové metody pro spojitá data.

8. Kontingenční tabulky.

9. Analýza rozptylu.

10. Lineární regrese.

 
Univerzita Karlova | Informační systém UK