PředmětyPředměty(verze: 845)
Předmět, akademický rok 2018/2019
   Přihlásit přes CAS
Struktury podmíněné nezávislosti - NSTP160
Anglický název: Conditional Independence Structures
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2018
Semestr: letní
E-Kredity: 3
Rozsah, examinace: letní s.:2/0 Zk [hodiny/týden]
Počet míst: neomezen
Minimální obsazenost: neomezen
Stav předmětu: zrušen
Jazyk výuky: čeština
Způsob výuky: prezenční
Garant: RNDr. Milan Studený, DrSc.
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Záměnnost : NMTP576
Anotace -
Poslední úprava: G_M (20.05.2011)
Přednáška je pojata jako úvod do zmíněné problematiky a směřuje k metodám popisu struktur pravděpodobnostní podmíněné nezávislosti (PN) pomocí objektů diskrétní matematiky, zejména grafů, jejichž uzly odpovídají náhodným veličinám. Jelikož struktury PN se objevují jak v moderní statistice tak v umělé inteligenci (tzv. pravděpodobnostní expertní systémy) přednáška je vhodná jak pro studenty pravděpodobnosti a statistiky tak pro studenty informatiky.
Cíl předmětu -
Poslední úprava: T_KPMS (22.05.2008)

Seznámit studenty se základními matemtickými metodami používanými pro

studium pravděpodobnostnich struktur podmíněné nezávislosti

Literatura
Poslední úprava: G_M (28.05.2008)

S.L. Lauritzen: Graphical Models. Clarendon Press 1996.

M. Studený: O strukturách podmíněné nezávislosti. Rukopis série

přednášek. ÚTIA 2008.

Metody výuky -
Poslední úprava: G_M (28.05.2008)

Přednáška.

Sylabus -
Poslední úprava: T_KPMS (15.02.2007)

Pojem pravděpodobnostní podmíněné nezávislosti (PN). Základní formální vlastnosti PN, pojem semi-grafoidu a (formální) struktury PN. Základní metoda konstrukce měr indukujících struktury PN. Informačně-teoretické nástroje pro studium struktur PN. Grafické metody popisu struktur PN: neorientované grafy (= Markovské sítě), acyklické orientované grafy (= Bayesovské sítě). Metoda lokálních výpočtů.

Možná doplňková temata: (Neexistence) konečné axiomatické charakterizace struktur PN. Učení grafických modelů z dat. Řetězcové grafy.

 
Univerzita Karlova | Informační systém UK