Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2 značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
NI-SCR | Statistická analýza časových řad | Rozsah kontaktní výuky: | 2P+1C | ||
---|---|---|---|---|---|
Vyučující: | Dedecius K. | Způsob zakončení: | Z,ZK | ||
Zodpovědná katedra: | 18105 | ECTS Kredity: | 5 | Semestr: | Z |
Anotace:
Předmět je zaměřen na praktické zvládnutí teorie modelování základních časových řad v inženýrských problémech, od ekonomických (ceny na burze, zaměstnanost), přes průmyslové (modelování signálů a procesů), po problematiku počítačových sítí (zatížení prvků sítě, detekce útoků). Studenti se naučí zvolit vhodný model pro dané procesy, tento model správně odhadnout, analyzovat jeho vlastnosti a využít pro předpovědi budoucích nebo mezilehlých hodnot. Důraz je kladen na pochopení hlavních principů a jejich osvojení na praktických příkladech z reálného světa, které budou řešeny pomocí volně dostupných programových balíků.
Osnovy přednášek:
1. | Úvod do problematiky časových řad, exponenciální vyhlazování, příklady. | |
2. | Frekventistické a bayesovské principy pravděpodobnosti a statistiky - opakování. | |
3. | Regresní a autoregresní modely, (auto)korelace, (P)ACF, MA modely, odhady. | |
4. | Bayesovský versus frekventistický pohled na AR model. | |
5. | Smíšené modely ARMA, příklady, odhad | |
6. | Modely ARIMA, speciální případy, příklady, odhad. | |
7. | Bayesovský pohled na ARIMA - strukturované bayesovské modely. | |
8. | Aplikace a analýzy modelů s AR částí. | |
9. | Diskrétní lineární stavové modely, Kalmanův filtr. | |
10. | Diskrétní nelineární stavové modely, rozšířený Kalmanův filtr, unscented filtr. | |
11. | Diskrétní nelineární stavové modely: sekvenční importance sampling, resampling, bootstrap particle filter. | |
12. | Diskrétní nelineární stavové modely - rozšíření particle filtru. | |
13. | Exponenciální vyhlazování - modely ETS. |
Osnovy cvičení:
1. | Úvod, modely, předpovědi, odhady,. | |
2. | Regresní a AR model, příklady, různé metody odhadu. | |
3. | ARMA a ARIMA modely, příklady. | |
4. | Bayesovský podhled na časovou řadu, příklady. | |
5. | Filtrace lineárních a nelineárních stavových modelů pomocí Kalmanova filtru. | |
6. | Filtrace nelineárních modelů pomocí particle filtru. |
Literatura:
1. | Barber, D. et al. : Bayesian Time Series Models. Cambridge University Press, 2011. ISBN 978-0521196765. | |
2. | Simon, S. : Optimal State Estimation: Kalman, H-infnity and Nonlinear Approaches. Wiley, 2017. ISBN 987-0471708582. | |
3. | McCleary, R. et al. : Design and Analysis of Time Series Experiments. Oxford University Press, 2017. ISBN 978-0190661564. |
Požadavky:
Základní znalost lineární algebry (BI-LIN), matematické analýzy (BI-ZMA) and probability and statistics (BI-PST).
|
Předmět je zahrnut do těchto studijních plánů:
Stránka vytvořena 26. 4. 2024, semestry: Z/2021-2, L/2019-20, Z/2022-3, Z/2023-4, L/2021-2, Z,L/2020-1, L/2022-3, L/2023-4, Z/2024-5, Z/2019-20, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: J. Novák, I. Halaška |