470-2406/01 – Modely s neurčitostí (MN)

Garantující katedraKatedra aplikované matematikyKredity4
Garant předmětuIng. Jan Kracík, Ph.D.Garant verze předmětuIng. Jan Kracík, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinný
Ročník3Semestrletní
Jazyk výukyčeština
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studiabakalářské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
KRA0220 Ing. Jan Kracík, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Klasifikovaný zápočet 0+2
kombinovaná Klasifikovaný zápočet 0+8

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Studenti se seznámí s možnostmi využití aparátu teorie pravděpodobnosti pro zohlednění neurčitostí v modelech reálného světa.

Vyučovací metody

Cvičení (v učebně)
Projekt

Anotace

Matematické modely reálného světa jsou často zatíženy neurčitostmi, např. náhodnými vstupními parametry, nepřesností modelu, nepřesně měřenými daty atd. Aparát teorie pravděpodobnosti patří k základním nástrojům používaným pro zohlednění a kvantifikaci a neurčitosti v modelech.

Povinná literatura:

JAYNES, Edwin T., BRETTHORST, G. Larry, ed. Probability theory: the logic of science. Cambridge: Cambridge University Press, 2003. ISBN 0-521-59271-2. ROBERT, Christian P. a George. CASELLA. Monte Carlo statistical methods. 2nd ed. New York: Springer, c2004. ISBN 0-387-21239-6. MANDL, Petr. Pravděpodobnostní dynamické modely. Praha: Academia, 1985. Československá akademie věd.

Doporučená literatura:

Vitásek, E.: Numerické metody. SNTL Praha, 1987. W. E. Boyce, R. C. DiPrima: Elementary differential equations. Wiley, New York 1992

Forma způsobu ověření studijních výsledků a další požadavky na studenta

semestrální projekt

E-learning

Další požadavky na studenta

Žádné další požadavky na studenta nejsou kladeny.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Statické modely s náhodnými vstupy Metody Monte Carlo Lineární dynamické modely s gaussovským šumem Kalmanův filtr Bayesovský přístup k inverzním úlohám

Podmínky absolvování předmětu

Kombinovaná forma (platnost od: 2019/2020 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Klasifikovaný zápočet Klasifikovaný zápočet 100  51 3
Rozsah povinné účasti: Povinná účast na cvičeních, jsou akceptovány 2 omluvy.

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP: Splnění všech povinných úkolů v individuálně dohodnutých termínech.

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2023/2024 (B0541A170008) Výpočetní a aplikovaná matematika P čeština Ostrava 3 povinný stu. plán
2023/2024 (B0541A170008) Výpočetní a aplikovaná matematika K čeština Ostrava 3 povinný stu. plán
2022/2023 (B0541A170008) Výpočetní a aplikovaná matematika K čeština Ostrava 3 povinný stu. plán
2022/2023 (B0541A170008) Výpočetní a aplikovaná matematika P čeština Ostrava 3 povinný stu. plán
2021/2022 (B0541A170008) Výpočetní a aplikovaná matematika P čeština Ostrava 3 povinný stu. plán
2021/2022 (B0541A170008) Výpočetní a aplikovaná matematika K čeština Ostrava 3 povinný stu. plán
2020/2021 (B0541A170008) Výpočetní a aplikovaná matematika P čeština Ostrava 3 povinný stu. plán
2020/2021 (B0541A170008) Výpočetní a aplikovaná matematika K čeština Ostrava 3 povinný stu. plán
2019/2020 (B0541A170008) Výpočetní a aplikovaná matematika P čeština Ostrava 3 povinný stu. plán
2019/2020 (B0541A170008) Výpočetní a aplikovaná matematika K čeština Ostrava 3 povinný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.