Externí podklady k přednáškám naleznete zde.
Některá témata jsou dostupná i ve formě prezentace (použití Reveal JS); základním jazykem pro simulované příklady je (numerický) Python, notebooky v původním formátu jsou k dispozici zde.
inspirováno úvodními kapitolami ze C.R.Shalizi
Teorie modelování jevů, prokládání měřených bodů
bias / variance - principiální limity
lineární vyhlazování
kernelové vyhlazení(prezentace), analytické (parametrické) fitování
(jak se dostane LSM / nejmenší čtverce? rekapitulacemaximální věrohodnosti)
hledání správného stupně polynomu - viz testy (prezentace)
ortogonalizace - aplikace na hledání maxima
robustní metody - porovnání standardních funkcí, vliv míry zašumění
intervalové odhady - výpočty v klasickém frekventistickém pohledu
Podrobnější výpočty pásu spolehlivosti
Rozšíření tématu Bayesovského pásu spolehlivosti
poissonovská data s pozadím
více viz Cowan, kap. 09 (Statistical Data Analysis)
unfolding neboli dekonvoluce
hledaní puvodní struktury pro data "rozostřená" konvolucí se známou funkcí
více viz Cowan, kap. 11 (Statistical Data Analysis)
analýza rovnoměrně a nerovnoměrně vzorkovaných periodických signálů
metoda hlavních komponent (principal component analysis)
separace kategorií pomocí Fisherovy (lineární) diskriminační funkce