LS 2017-2018

NMSA202: Pravděpodobnost a matematická statistika (cvičenie)

Pondelok 14:00 K5

Podmienky pre získanie zápočtu

Príklady na precvičenie a prípravu na zápočtové písomky s výsledkami
Ďalšie príklady a dokumenty na centrálnej stránke cvičení

Písomné práce

1. 09.04.2018: výsledky
2. 30.04.2018: výsledky
3. 21.05.2018: výsledky

Príklady riešené na cvičeniach:

• 19.02.2018: Cvičenie sa nekoná
• 26.02.2018: Klasická pravdepodobnosť
• 05.03.2018: Nezávislosť, podmienená pr., Bayesov vzorec
• 12.03.2018: Diskrétna náhodná veličina
• 19.03.2018: Spojitá náhodná veličina
• 26.03.2018: Náhodné vektory I
• 09.04.2018: Náhodné vektory II (s výsledkami) + 1. písomná práca
• 16.04.2018: Limitné vety I
• 23.04.2018: Limitné vety II
• 30.04.2018: Bodové odhady I + 2. písomná práca
• 07.05.2018: Bodové odhady II
• 14.05.2018: Intervalové odhady
• 21.05.2018: Testovanie hypotéz I + 3. písomná práca
• 24.05.2018 (12:20, K6): Testovanie hypotéz II

NMSA332: Matematická statistika II (cvičenie)

Utorok 10:40 K11

Podmienky pre získanie zápočtu: 2 písomné práce (detaily v SIS)
Vzorové zadania:

• 1. písomná práca
• 2. písomná práca

Zbierka úloh

Príklady riešené na cvičeniach:

• 20.02.2018: Podmienené rozdelenie, podmienené momenty
   Príklady 1, 3, 4, 5, 7
• 27.02.2018: Rao-Cramérova medza
   Príklady 9, 10, 11, 12, 15
• 06.03.2018: Mnohoroznerná Rao-Cramérova medza
   Príklady 17, 19, 20, 22
• 13.03.2018: Postačujúce štatistiky
   Príklady 24, 27 - 29, 31 - 34
• 20.03.2018: Využitie postačujúcich štatistík
   Príklady 39, 41, 42, 43, 45
• 27.03.2018: 1. písomná práca: výsledky
• 03.04.2018: Maximálna vierohodnosť
   Príklady 52, 53, 55, 58, 61
• 10.04.2018: Mnohorozmerná maximálna vierohodnosť
   Príklady 63, 65, 67, 70
• 17.04.2018: Test pomerom vierohodnosti
   Príklady 73, 76, 77, 78
• 24.04.2018: Testy bez rušivých parametrov
   Príklady 82, 84, 87, 90
• 10.04.2018: Testy s rušivými parametrami
   Príklady 94, 97, 98, 101, 102
• 15.04.2018: 2. písomná práca: výsledky

NMST434: Modern Statistical Methods (excercise session)

Tuesday 17:20 K3

Course completion requirements
Course notes (with exercises)

Homework assignments - Results

Complementary Documents:

• 20.02.2018: Delta theorem (R script, nb script, nb pdf)
   Examples 3, 5, 6, 7, 11
• 27.02.2018: Method of moments, MLE (nb script, nb pdf)
   Examples 9, 15, 16
• 06.03.2018: Maximum likelihood (R script)
   Examples 17 and 18
   Supplementary documents:
  • the Grenander estimator (Section 2.1)
  • Example 17
  • Consistency result for MLE
• 13.03.2018: Maximum likelihood (R script)
   Examples 21, 25
• 20.03.2018: Conditional likelihood (R script, ellipses in R)
   Examples 30, 31, 32
• 27.03.2018: M and Z estimation (R script, nb script, nb pdf)
   Example 37
• 03.04.2018: M and Z estimation (R script)
   Examples 35 and 36
• 10.04.2018: M estimation / Monte Carlo methods (R script)
   Examples 38, 40, 41, 42
• 17.04.2018: Bootstrap and resampling (R script)
   Examples 43, 44, 45
• 24.04.2018: Bootstrap and resampling, Quantile regression
  (R scripts resampling and quantile regression, pdf quantile regression example)
   Examples 47, 49, 50
• 14.05.2018: EM-algorithm, missing data
  (R scripts EM-algorithm, missing data and some auxiliary functions, matrix cookbook pdf)
• 22.05.2018: Kernel density estimation and regression (R scripts density estimation and regression, nb script, nb pdf)

Datasets:

• AAUP: R data
• Concentration vs Counts: R data
• Hosi0: R data
• IQ: R data
• Kojeni: csv
• Pribram: csv
• Stillbirth: csv
• Homework 2: hw2data.RData
• Homework 6: hw6data.RData
• Homework 10: pisa.csv
• Homework 13: defects2.RData