Detail předmětu
Pravděpodobnost, statistika a operační výzkum
FEKT-MPC-PSOAk. rok: 2025/2026
Předmět se věnuje upevnění a rozšíření znalostí studentů v oblasti teorie pravděpodobnosti, matematické statistiky a vybraných metod z teorie operačního výzkumu. Proto se začíná důkladným a korektním zavedením pravděpodobnosti, odvozením základních vlastností pravděpodobnosti. Dále je definována náhodná veličina, její číselné charakteristiky a rozdělení. Na tento základ potom navazuje nejdříve popisná statistika a potom problematika testování statistických hypotéz, volba vhodného testu a vysvětlení závěrů jednotlivých testů. Z operačního výzkumu je do kurzu zařazeno lineární programování a jeho geometrické i algebraické řešení, dopravní a přiřazovací úloha a přehled o dynamickém a pravděpodobnostním programování a metodách skladových zásob. V této části jsou ilustrační příklady brány především z ekonomie.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Pravidla hodnocení a ukončení předmětu
- Písemky během semestru: 30 bodů (3 písemky, každá max. za 10 bodů).
- Závěrečná zkouška: 70 bodů.
- Zisk zápočtu je podmíněn ziskem alespoň 10 bodů během semestru.
Učební cíle
Po absolvování předmětu bude student schopen:
• Popsat pravděpodobnostní úlohu pomocí množinových operací.
• Vypočítat parametry základních rozdělení náhodných veličin a to jak spojitých, tak i diskrétních.
• Definovat základní statistické charakteristiky.
• Vyjmenovat základní statistické testy.
• Popsat práci se statistickými tabulkami.
• Vybrat vhodnou metodu pro statistické zpracování zadaných dat a provést statistický test.
• Vysvětlit podstatu lineárního programování.
• Převést slovně vyjádřenou úlohu do matematického tvaru a potom na kanonický tvar a řešit ji vhodnou metodou.
• Provést analýzu citlivosti geometrickým i algebraickým způsobem.
• Převést zadanou úlohu na duální.
• Vypočítat optimální řešení dopravní úlohy a optimální řešení přiřazovací úlohy.
• Vyjmenovat jednotlivé modely skladových zásob.
Základní literatura
BAŠTINEC, J., FAJMON, B., KOLÁČEK, J., Pravděpodobnost, statistika a operační výzkum. Brno 2014. 360 stran. (CS)
Elearning
Zařazení předmětu ve studijních plánech
- Program MPC-NCP magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-AUD magisterský navazující
specializace AUDM-TECH , 1 ročník, zimní semestr, povinně volitelný
specializace AUDM-ZVUK , 1 ročník, zimní semestr, povinně volitelný - Program MPC-BIO magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-EAK magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-EEN magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-EKT magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-EVM magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-KAM magisterský navazující 1 ročník, zimní semestr, povinný
- Program MPC-MEL magisterský navazující 1 ročník, zimní semestr, povinně volitelný
- Program MPC-SVE magisterský navazující 0 ročník, zimní semestr, volitelný
- Program MPC-TIT magisterský navazující 1 ročník, zimní semestr, povinně volitelný
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
2. Statistika, odhady parametrů, t-test.
3. Analýza rozptylu, jedno- i dvou-faktorová.
4. Korelační přístup, regresní přímka.
5. Po nalýze rozptylu a nebo místo ní.
6. Rozdělení "chí kvadrát" a jeho aplikacxe.
7. Neparametrické testy.
8. Lineární programování, simplexová metoda.
9. Dualita v lineárnímprogramování.
10. Dopravní a přiřazovací úloha.
11. Dynamické programování.
12. Modely skladových zásob.
13. Pravděpodobnostní dynamické programování.
Cvičení s počítačovou podporou
Vyučující / Lektor
Osnova
2. Statistika, odhady parametrů, t-test.
3. Analýza rozptylu, jedno- i dvou-faktorová.
4. Korelační přístup, regresní přímka.
5. Po nalýze rozptylu a nebo místo ní.
6. Rozdělení "chí kvadrát" a jeho aplikacxe.
7. Neparametrické testy.
8. Lineární programování, simplexová metoda.
9. Dualita v lineárnímprogramování.
10. Dopravní a přiřazovací úloha.
11. Dynamické programování.
12. Modely skladových zásob.
13. Pravděpodobnostní dynamické programování.
Elearning