|
|
|
||
Poslední úprava: T_KPMS (15.05.2013)
|
|
||
Poslední úprava: T_KPMS (15.05.2013)
Studenti získají základní vědomosti z teorie stacionárních procesů v časové i spektrální doméně. Dále se seznámí se základními statistickými vlastnostmi časových řad. |
|
||
Poslední úprava: doc. RNDr. Zuzana Prášková, CSc. (23.09.2021)
Předmět je zakončen zápočtem a zkouškou. Bez zápočtu se nelze zapsat ke zkoušce.
Podmínky pro udělení zápočtu: 1. Získat minimálně 70% z bodů udělených za domácí přípravu formou e-learningu (Moodle) 2. Absolvovat dva písemné testy a z každého získat nejméně 70% z možného počtu bodů.
Každý z těchto písemných testů lze opakovat právě jednou. Termíny písemných testů budou oznámeny na začátku semestru na webových stránkách garanta a vyučujících. Opravné testy se píší najednou pro všechny skupiny.
Forma výuky a její průběžná kontrola vylučují možnost opakovat zápočet v daném semestru. |
|
||
Poslední úprava: T_KPMS (15.05.2013)
Anděl J.: Statistická analýza časových řad. SNTL, Praha 1976
Brockwell P.J., Davis R.A.: Time series: Theory and Methods, Springer-Verlag, New York, 1987
Prášková, Z.: Základy náhodných procesů II. Karolinum, 2004.
|
|
||
Poslední úprava: RNDr. Jiří Dvořák, Ph.D. (25.09.2020)
Přednáška+cvičení. |
|
||
Poslední úprava: RNDr. Jiří Dvořák, Ph.D. (22.02.2023)
Zkouška je písemná a ústní. Písemná zkouška trvá 90 minut. Jsou zadány 4 úlohy, ze kterých je nutno získat nejméně 50% z možných bodů, jinak nelze pokračovat v ústní zkoušce a celkový výsledek je "neprospěl/a".
Ústní zkouška pokrývá sylabus v rozsahu přednesené látky. |
|
||
Poslední úprava: T_KPMS (15.05.2013)
1. Definice a základní charakteristiky náhodných procesů. Některé důležité třídy náhodných procesů.
2. Hilbertův prostor. Prostor L_2. Procesy se spojitým časem v L_2.
3. Spektrální rozklad autokovarianční funkce. Existence a výpočet spektrální hustoty
4. Procesy s ortogonálními přírůstky. Integrál podle procesu s ortogonálními přírůstky. Spektrální rozklad stacionárních procesů
5. Posloupnost MA. Lineární proces. Posloupnosti AR,ARMA. Lineární filtry
6. Predikce v konečných náhodných posloupnostech. Rekurzivní metody predikce. Predikce v modelech ARMA. Predikce v nekonečných stacionárních posloupnostech. Predikce ve spektrální doméně.Filtrace signálu a šumu.
7. Ergodické věty v L_2. Vybrané centrální limitní věty.
8. Odhady průměru a autokovarianční funkce
9. Odhady parametrů v modelech AR. MA, ARMA
10. Odhady spektrální hustoty.
|
|
||
Poslední úprava: doc. RNDr. Zuzana Prášková, CSc. (23.05.2019)
základní znalosti z teorie pravděpodobnosti na úrovni bakalářského studia obecné matematiky, základy teorie Hilbertových prostorů, L_p prostory, základy komplexní analýzy, diferenční rovnice |