PředmětyPředměty(verze: 953)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Matematická statistika 3 - NMST424
Anglický název: Mathematical Statistics 3
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2023
Semestr: letní
E-Kredity: 5
Rozsah, examinace: letní s.:2/2, 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, angličtina
Způsob výuky: prezenční
Způsob výuky: prezenční
Další informace: https://dl1.cuni.cz/course/view.php?id=14890
Garant: doc. Ing. Marek Omelka, Ph.D.
Třída: M Mgr. PMSE
M Mgr. PMSE > Povinně volitelné
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Neslučitelnost : NMST434
Prerekvizity : NMSA407
Anotace -
Moderní metody statické inference založené na teorii maximální věrohodnosti a jejich zobecněních. Metody pro data s chybějícími pozorováními.
Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)
Cíl předmětu -

Studenti se seznámí s principy pokročilých metod statistické inference, na kterých jsou postaveny metody analýzy dat.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)
Podmínky zakončení předmětu -

Před ústní zkouškou je třeba získat zápočet.

K získání zápočtu je třeba získat alespoň 100 bodů ze zadaných domácích úkolů, přičemž student nemusí řešit všechny úkoly. Jeden úkolů je však povinný. Tento úkol je zapotřebí uspokojivě vyřešit, přičemž student bude mít u tohoto úkolu možnost jedné opravy.

Povaha kontroly studia předmětu vylučuje opakování této kontroly.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (02.12.2020)
Literatura -

ANDĚL, J.: Základy matematické statistiky. Matfyzpress, Praha, 2007.

LEHMANN, E. L. and CASSELLA, G. (1998). Theory of point estimation. Springer, New York.

MCLACHLAN, G. J., KRISHNAN, T.: The EM Algorithms and Extensions, Wiley, 2008

Doplňující literatura:

KOENKER, R.: Quantile regression. Cambridge university press, 2005.

LITTLE, R.J.A., RUBIN, D.B.: Statistical analysis with missing data. New York: John Wiley & Sons, 1987

PAWITAN, Y.: In all likelihood: statistical modelling and inference using likelihood. Oxford University Press, 2001.

SERFLING, R. J.: Approximation Theorems of Mathematical Statistics, Wiley, 1980.

VAN DER VAART, A. W.: Asymptotic statistics. Cambridge university press, 2000.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (03.12.2020)
Metody výuky -

Přednáška+cvičení.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)
Požadavky ke zkoušce -

Pokud to situace umožní, tak zkouška má dvě části - písemnou a ústní. Ke složení zkoušky je zapotřebí zvládnout obě části této zkoušky.

Pokud by situace neumožňovala osobní přítomnost studenta, bude zkouška provedena vhodnou distanční formou.

Požadavky na zkoušku odpovídají tomu, co bylo v rámci kurzu odpředneseno.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)
Sylabus -

Teorie maximální věrohodnosti

Profilová, podmíněná a marginální věrohodnost

M-odhad a Z-odhady

Robustní odhady

Kvantilová regrese

EM-algoritmus

Metody pro chybějící data

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (02.12.2020)
Vstupní požadavky -

Předpokládá se již dobrá znalost matematické statistiky a pravděpodobnosti. Tyto znalosti jsou pokryty předměty:

Matematická statistika 1 a 2 (NMSA331 and NMSA332), Teorie pravděpodobnosti 1 (NMSA333), Lineární regrese (NMSA407).

Základní vstupní požadavky docela dobře pokrývá kniha: Anděl, J. (2007). Základy matematické statistiky. Matfyzpress.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)
 
Univerzita Karlova | Informační systém UK