Informace o předmětu

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučováno kontaktně

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. Mgr. Jan Koláček, Ph.D. (přednášející)
prof. RNDr. Ivanka Horová, CSc. (náhr. zkoušející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 19. 2. až Ne 26. 5. St 10:00–11:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8113/01: Po 19. 2. až Ne 26. 5. St 12:00–12:50 MP1,01014, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 10:00–11:50 M4,01024

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 12:00–12:50 MP2,01014a, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8113/01: Út 12:00–12:50 MP2,01014a, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 1. 3. až Pá 14. 5. Út 8:00–9:50 online_M3

• Rozvrh seminárních/paralelních skupin:

M8113/01: Po 1. 3. až Pá 14. 5. Čt 12:00–12:50 online_MP1, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1/0. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

doc. Mgr. Jan Koláček, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Út 8:00–9:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 12:00–12:50 MP1,01014, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- provést analýzu daného souboru reálných dat;
- navrhnout vhodnou metodu pro jejich zpracování;
- provést implementaci a počítačové zpracování;

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Informace učitele

Výuka probíhá většinou v češtině nebo dle potřeby v angličtině, příslušná terminologie je za všech okolností uváděna i s anglickými ekvivalenty.
Mezi cílové dovednosti studia patří schopnost používat anglický jazyk pasivně i aktivně ve vlastní odbornosti a také v potenciálních oblastech aplikací matematiky.
Hodnocení ve všech případech může probíhat v češtině i v angličtině, dle volby studenta.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 18. 2. až Pá 17. 5. Čt 8:00–9:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8113/01: Po 18. 2. až Pá 17. 5. St 12:00–12:50 MP1,01014, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot. Po absolvování tohoto kurzu bude student schopen aplikovat tyto metody při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Další komentáře

Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 12:00–13:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 14:00–14:50 MP1,01014, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot. Po absolvování tohoto kurzu bude student schopen aplikovat tyto metody při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 20. 2. až Po 22. 5. St 8:00–9:50 M2,01021

• Rozvrh seminárních/paralelních skupin:

M8113/01: Po 20. 2. až Po 22. 5. Pá 12:00–12:50 MP1,01014

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot. Po absolvování tohoto kurzu bude student schopen aplikovat tyto metody při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info
• HOROVÁ, Ivanka, Jan KOLÁČEK a Jiří ZELINKA. Kernel Smoothing in MATLAB: Theory and Practice of Kernel Smoothing. Singapore: World Scientific Publishing Co. Pte. Ltd., 2012, 244 s. ISBN 978-981-4405-48-5. URL info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 12:00–13:50 M5,01013

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 15:00–15:50 MP1,01014, J. Koláček

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty, distribuční funkce, regresní funkce a dvourozměrných hustot. Po absolvování tohoto kurzu bude student schopen aplikovat tyto metody při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami. Všechny uvedené metody jsou implementovány v Matlabu.Příslušný toolbox je dostupný na adrese https://www.math.muni.cz/veda-a-vyzkum/vyvijeny-software/274-matlab-toolbox.html

Literatura

doporučená literatura
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno použitím vytvořeného toolboxu v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (přednášející)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 MS1,01016

• Rozvrh seminárních/paralelních skupin:

M8113/01: Po 14:00–14:50 MP2,01014a

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíjí hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů se umožnila dívat na data způsobem, který dříve nebyl možný. Moderní počítače nyní dovolují značnou volnost v rozhodování, jak by se měla provést analýza dat. Jednou z oblastí, která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce, nebo-li to, co obecně nazýváme vyhlazováním. Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce. Po absolvování tohoto kurzu bude student schopen aplikovat tyto metody při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně.
Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška. Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Teorie a praxe jádrového vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (přednášející)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 12:00–12:50 MP2,01014a

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhady distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Jedná se o inovovaný předmět Neparametrické vyhlazování.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (přednášející)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Út 10:00–11:50 M3,01023

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 10:00–10:50 MP2,01014a

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 M6,01011

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 12:00–12:50 MP1,01014

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 MS1,01016

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 10:00–10:50 MP1,01014

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 MS1,01016

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 10:00–10:50 MP1,01014, St 10:00–10:50 MS1,01016

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 9:00–10:50 01031

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 12:00–12:50 MP1,01014, Čt 12:00–12:50 MS1,01016

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška a cvičení v počítačové učebně, účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 N41

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 7:00–7:50 M3,04005 - dříve Janáčkovo nám. 2a, St 7:00–7:50 N41

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Rozvrh

Út 11:00–12:50 N41

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 8:00–8:50 M3,04005 - dříve Janáčkovo nám. 2a, Čt 8:00–8:50 N41

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Rozvrh

Po 12:00–13:50 U1

• Rozvrh seminárních/paralelních skupin:

M8113/01: St 7:00–7:50 M3,04005 - dříve Janáčkovo nám. 2a, St 7:00–7:50 N41

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Rozvrh

Út 8:00–9:50 N41

• Rozvrh seminárních/paralelních skupin:

M8113/01: Čt 13:00–13:50 M3,04005 - dříve Janáčkovo nám. 2a, Čt 13:00–13:50 N21, J. Zelinka
M8113/02: Rozvrh nebyl do ISu vložen. J. Zelinka

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Rozvrh seminárních/paralelních skupin

M8113/01: Rozvrh nebyl do ISu vložen. J. Zelinka

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Rozvrh seminárních/paralelních skupin

M8113/01: Rozvrh nebyl do ISu vložen. J. Zelinka

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.

M8113 Neparametrické vyhlazování

Údaje z období jaro 2012 - akreditace se nezveřejňují

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (přednášející)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických metod odhadů hustoty a regresní funkce.Po absolvování tohoto kurzu bude student schopen aplikovat tyto metodz při statistickém zpracování reálných dat.

Osnova

• Základní myšlenka vyhlazování.
• Obecný princip jádrových odhadů.
• Jádrové odhady hustoty, kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů.
• Odhadz distribuční funkce, problém volby šířky vyhlazovacího okna.
• Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů.
• Teoretický výklad je vhodně doplněn praktickými úlohami.

Literatura

• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• Smoothing and regression : approaches, computation, and application. Edited by Michael G. Schimek. New York: John Wiley & Sons, 2000, xix, 607. ISBN 0471179469. info
• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Výukové metody

Přednáška: 2 hod. týdně Cvičení: 1 hod. týdně. Cvičení je zaměřeno na aplikaci metod uvedených na přednášce a je doplněno prezentací metod v počítačové učebně.

Metody hodnocení

Přednáška.Účast na cvičení je povinná. Zkouška je ústní.

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

M8113 Neparametrické vyhlazování

Rozsah

2/1. 3 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Ivanka Horová, CSc. (přednášející)
Mgr. Jiří Zelinka, Dr. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ivanka Horová, CSc.

Předpoklady

Základy pravděpodobnosti a matematické statistiky.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika (program PřF, M-MA)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)

Cíle předmětu

Teorie a metody vyhlazování se rozvíji hlavně v posledních letech. Možnost rychlých a ne příliš drahých výpočtů umožnila dívat se na data způsobem,který dříve nebyl možný.Moderní počítače nyní dovolují značnou volnost v rozhodování,jak by se měla provést analýza dat. Jednou z oblastí,která v tomto směru hodně získala,jsou neparametrické odhady hustoty a regresní funkce,nebo-li to,co obecně nazýváme vyhlazováním.Cílem tohoto předmětu je poskytnout přehled moderních neparametrických odhadů hustoty ijedné a více proměnných a regresní funkce.Vlastnosti vyhlazujících splajnů jsou rovněž studovány.

Osnova

• Základní myšlenka vyhlazování. Obecný princip jádrových odhadů. Jádrové odhady hustoty jedné a více proměnných,kriteria pro posouzení kvality odhadu,problém volby šířky vyhlazovacího okna,kanonická jádra a teorie optimálních jader,jádra vyšších řádů. Různé typy jádrových odhadů regresní funkce,porovnání těchto odhadů, problém hraničních efektů,kriteria pro posouzení kvality odhadů. Vyhlazovací splajny a splajny zachovávající předepsaný tvar křivky. Teoretický výklad na přednášce je vhodně doplněn praktickými úlohami.

Literatura

• SIMONOFF, Jeffrey S. Smoothing methods in statistics. New York: Springer-Verlag, 1996, xii, 338. ISBN 0387947167. info
• SILVERMAN, B. W. Density estimation for statistics and data analysis. 1st ed. Boca Raton: Chapman & Hall, 1986, ix, 175. ISBN 0412246201. info
• WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701. info
• Statistical theory and computational aspects of smoothing :proceedings of the COMPSTAT '94 satellite meeting held in Semmering, Austria 27-28 August 1994. Edited by Wolfgang Härdle - Michael G. Schimek. Heidelberg: Physica-Verlag, 1996, viii, 265. ISBN 3-7908-0930-6. info

Metody hodnocení

Přednáška, cvičení v počiačové učebně. Zkouška :ústní

Navazující předměty

• M0120 Waveletová analýza

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

• Statistika zápisu (nejnovější)