Pravděpodobnost, matematická statistika a ekonometrie

Charakteristika oboru

Obor Pravděpodobnost, matematická statistika a ekonometrie je určen pro zájemce o získání teoretických i aplikovaných poznatků v oblasti matematiky náhodných jevů. Hlavní charakteristikou oboru je soulad mezi rigorozní matematickou teorií, hloubkou vhledu do jednotlivých oblastí oboru (pravděpodobnost, statistika, ekonometrie) a aplikacemi v nejrůznějších oblastech života. Studenti získávají společný základ absolvováním povinných předmětů z pravděpodobnosti, optimalizace, statistického modelování a náhodných procesů, na které navazují vlastním výběrem povinně volitelných a volitelných přednášek a seminářů, čímž si rozšiřují vzdělání a volí si oblast, které se budou hlouběji věnovat. Na seminářích se učí samostatně pracovat a řešit rozsáhlejší projekty samostatně i v týmu. Velký důraz je kladen na rozvoj analytického a kritického myšlení. Pravděpodobnost, matematická statistika a ekonometrie má blízký vztah k ostatním matematickým oborům (matematické analýze, numerické matematice, diskrétní matematice). V aplikacích se obor inspiruje problémy z ekonomie, lékařství, techniky, přírodních věd a fyziky, informatiky. Hlavním cílem oboru je připravit absolventy pro úspěšné uplatnění jak v praxi (finance, průmysl, telekomunikace, marketing, lékařství, přírodní vědy), tak i v akademické kariéře.

Uplatnění absolventů

Absolvent oboru Pravděpodobnost, matematická statistika a ekonometrie je do hloubky seznámen s matematickým modelováním náhodných jevů a procesů a jeho aplikacemi v praxi. Vyzná se v základech teorie pravděpodobnosti, matematické statistiky, teorie náhodných procesů a teorie optimalizace. Všeobecný základ si rozšířil o hlubší znalosti teorie náhodných procesů a stochastické analýzy, moderních metod matematické statistiky, nebo pokročilé optimalizace a analýzy časových řad. Rozumí podstatě studovaných metod, má přehled o jejich vzájemném vztahu a je schopen je aktivně rozvíjet a kriticky používat. Teoretické poznatky umí tvůrčím způsobem aplikovat v praxi. Své schopnosti logicky myslet, analyzovat problémy a nalézat řešení netriviálních úloh využívá k tvůrčí a samostatné práci s přesahem do dalších vědních oborů v praxi nebo v akademické oblasti.

Charakteristika změny od předchozí akreditace

V akreditaci zůstal zachován základní obsah studia. Byla upřesněna návaznost na bakalářské studium. Upravili jsme strukturu požadavků ke státní závěrečné zkoušce zavedením volitelných bloků. Bloky povinných a povinně volitelných předmětů byly sjednoceny pro celý obor stejně jako okruhy ke státní závěrečné zkoušce. Předměty mají aktualizované sylaby, v některých případech došlo k přejmenování aktualizovaného předmětu, několik povinně volitelných předmětů je zcela nových. Stávající studijní plány (Ekonometrie, Matematická statistika, Teorie pravděpodobnosti a náhodné procesy) byly nahrazeny volitelnými tématickými okruhy státní závěrečné zkoušky. Některá témata z povinných předmětů pro stávající studijní plány byla proto přesunuta do povinně volitelných předmětů společných pro celý obor. Nově zařazené povinné předměty pokrývají více témat než průnik stávajících povinných předmětů jednotlivých plánů, čímž dochází k většímu propojení oboru. Výběr povinně volitelných předmětů je usměrňován pomocí prerekvizit v souladu s volbou tématických okruhů ústní části státní závěrečné zkoušky. Vybrané předměty budou vyučovány v angličtině.

Studijní plány a požadavky k státní závěrečné zkoušce

Viz fakultní stránky a stránky garanta programu Matematika.

Last modified: 27 Sep 2013, 08:54:28

Garant oboru

Daniel Hlubinka

Více informací

Přijímací řízení

Požadavky na uchazeče

  1. Znalost angličtiny na úrovni umožňující studium odborné literatury a sledování odborných přednášek v angličtině.
  2. Znalost následujících partií matematiky: diferenciální a integrální počet více proměnných, teorie míry a Lebesgueův integrál, vektorové prostory a maticová algebra, základy funkcionální a komplexní analýzy, základy teorie pravděpodobnosti, základy matematické statistiky a analýzy dat, teorie markovských řetězců.