PředmětyPředměty(verze: 953)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Regrese - NSTP194
Anglický název: Regression
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2018
Semestr: zimní
E-Kredity: 6
Rozsah, examinace: zimní s.:4/0, Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: zrušen
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Garant: doc. RNDr. Karel Zvára, CSc.
doc. RNDr. Arnošt Komárek, Ph.D.
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Záměnnost : NMSA407
Je korekvizitou pro: NSTP195
Je neslučitelnost pro: NSTP094
Je prerekvizitou pro: NSTP197, NSTP196
Výsledky anket   Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Lineární regresní modely, analýza reziduí, regresní diagnostika. Nelineární regrese, míry nelinearity. Předpoklady: NSTP201 a NSTP202 nebo NSTP097 nebo NMAI061
Poslední úprava: G_M (01.06.2009)
Cíl předmětu -

Naučit studenty vyšetřovat závislost střední hodnoty normálního rozdělení na nenáhodných veličinách.

Poslední úprava: T_KPMS (22.05.2008)
Literatura

Weisberg S.: Applied linear regression

Zvára K.: Regresní analýza. Academia, Praha, 1989.

Zvára K.: Regrese. Matfyzpress, Praha, 2008.

Poslední úprava: ZVARA/MFF.CUNI.CZ (13.10.2008)
Metody výuky -

Přednáška.

Poslední úprava: G_M (28.05.2008)
Sylabus -

1) Přehled potřebných tvrzení z lineární algebry (spektrální rozklad, singulární rozklad, ortonormální projekce).

2) Přehled potřebných tvrzení ve statistiky (mnohorozměrné normální rozdělení, střední čtvercová chyba, souvislost rozdělení F a beta, rozdělení kvadratických forem v N(0,I), rozdělení průmětu, odhad metodou maximální věrohodnosti, věrohodnostní poměr).

3) Lineární model, metoda nejmenších čtverců.

4) Normální lineární model, koeficient determinace, pásy spolehlivosti, regrese v programech BMDP NS, Statistica.

5) Model bez jednoho pozorování, rozdělení reziduí, normovaná a studentizovaná rezidua výpočet jednotlivých reziduí, jejich grafy.

6) Vliv jednotlivých pozorování, odlehlá a vzdálená pozorování, parciální rezidua.

7) Testování tvaru závislosti, stálost rozptylu, nezávislost.

8) Volba modelu, jejich porovnání, transformace dat.

9) Nelineární regrese: statistika, kvadratická aproximace, volba parametrického vyjádření, výpočet a interpretace odhadů v nelineární regresi.

Poslední úprava: T_KPMS (22.05.2008)
 
Univerzita Karlova | Informační systém UK