Akademický rok 2023/2024 |
Garant: | doc. Mgr. Zuzana Hübnerová, Ph.D. | |||
Garantující pracoviště: | ÚM | |||
Jazyk výuky: | angličtina | |||
Cíle předmětu: | ||||
Cílem předmětu je seznámit studenty se základy teorie stochastických procesů a s používanými modely pro analýzu časových řad i algoritmy odhadu jejich parametrů. Ve cvičení se studenti učí na simulovaných nebo reálných datech prakticky aplikovat teoretické postupy formou projektu pomocí vhodného softwaru. Výsledkem je projekt vyhodnocení a predikce reálných časových řad. | ||||
Výstupy studia a kompetence: | ||||
Předmět umožňuje studentům získat základní znalosti o modelování stochastických procesů (dekompoziční model, ARMA) a způsobech výpočtu odhadu jejich nejrůznějších charakteristik s cílem popsat mechanismus chování procesu na základě pozorování jeho časové řady. Student tak zvládne základní metody pro vyhodnocování reálných dat. | ||||
Prerekvizity: | ||||
Základy diferenciálního a integrálního počtu, teorie pravděpodobnosti a matematické statistiky. | ||||
Obsah předmětu (anotace): | ||||
Předmět obsahuje úvod do teorie náhodných procesů: typy a základní vlastnosti, stacionarita, autokovarianční funkce, spektrální hustota, příklady typických procesů, parametrické a neparametrické metody dekompozice časových řad, identifikace period, ARMA procesy. Studenti se seznámí s užitím těchto metod pro popis a predikci časových řad na PC pomocí vhodných softwarů. | ||||
Metody vyučování: | ||||
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách. | ||||
Způsob a kritéria hodnocení: | ||||
Podmínky udělení zápočtu: aktivní účast ve cvičení, prokázání základních dovedností pro praktickou analýzu dat na PC formou projektu, úspěšné řešení případných průběžných písemných testů. Zkouška probíhá ústně, jsou voleny otázky ze 3 předem stanovených okruhů (30+30+40 bodů). V každém okruhu je pro úspěšné složení zkoušky požadována dostatečná znalost základních pojmů a jejich vlastností. Hodnocení podle bodů: výborně (90 až 100 bodů), velmi dobře (80 až 89), dobře (70 až 79 bodů), uspokojivě (60 až 69 bodů), dostatečně (50 až 59 bodů), nevyhovující (0 až 49 bodů). |
||||
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky: | ||||
Účast na cvičení je povinná a o náhradě zameškané výuky rozhoduje učitel cvičení. | ||||
Typ (způsob) výuky: | ||||
Přednáška | 13 × 2 hod. | nepovinná | ||
Cvičení s počítačovou podporou | 13 × 1 hod. | povinná | ||
Osnova: | ||||
Přednáška | Stochastický proces, typy. |
|||
Cvičení s počítačovou podporou | Markovovy řetězce. |
|||
Literatura - základní: | ||||
1. Brockwell, P.J., Davis, R.A. Introduction to time series and forecasting. 3rd ed. New York: Springer, 2016. 425 s. ISBN 978-3-319-29852-8. | ||||
2. Brockwell, P.J., Davis, R.A. Time series: Theory and Methods. 2-nd edition 1991. Hardcover : Corr. 6th printing, 1998. Springer Series in Statistics. ISBN 0-387-97429-6. | ||||
3. Hamilton, J.D. Time series analysis. Princeton University Press, 1994. xiv, 799 s. ISBN 0-691-04289-6. | ||||
Literatura - doporučená: | ||||
1. Ljung, L. System Identification-Theory For the User. 2nd ed. PTR Prentice Hall : Upper Saddle River, 1999. |
Zařazení předmětu ve studijních programech: | |||||||||
Program | Forma | Obor | Spec. | Typ ukončení | Kredity | Povinnost | St. | Roč. | Semestr |
N-MAI-A | prezenční studium | --- bez specializace | -- | zá,zk | 5 | Povinný | 2 | 1 | L |
Vysoké učení technické v Brně
Fakulta strojního inženýrství
Technická 2896/2,
616 69 Brno
IČ 00216305
DIČ CZ00216305
+420 541 141 111
+420 726 811 111 – GSM O2
+420 604 071 111 – GSM T-mobile