Sylabus prednasok

• Uvodne informacie, pojem pravdepodobnosti, distribucie pravdepodobnosti

• Vyber vzorky, statistika vzorky, centralny limitny teorem, charakteristika vzorky, bodovy a intervalovy odhad.

• Testovanie hypotez, chyby , priklady, predikcia, predikcna chyba.

• Linearna regresia, zovseobecneny linearny model, nelinearne modely preveditelne na linearne, Studentov t-test, ANOVA, priklady

• Definicia casoveho radu, identifikovatelne patterny casoveho radu (trend, sezonnost) analyza trendu, vyhladzovacie metody a algoritmy

• Analyza sezonnosti v casovych radoch, AR model, MA model, ARMA model casoveho radu.

• Fraktalne struktury, problemy merania velmi zlozitych objektov, fraktalne casove rady, fraktalna dimenzia, typy fraktalov, fraktalne struktury v datach

• Multifraktaly, spektrum dimenzii, multifraktalne data.

• Dynamicky system, stavovy (fazovy) priestor, atraktor, repulzor, podivny atraktor.

• Velmi zlozite casove rady a ich analyza nelinearnymi metodami, priestor vnorenia, casovy posun, Takensova veta

• Konkretny priklad analyzy velmi zloziteho casoveho radu (analyza dat ziskanych meranim cinnosti mozgu), prednasa host z SAV

• Simulovane zihanie (ak bude cas), studentske referaty.

   

  Inspired by KoXo's Design