LS 2018-2019

NMSA202: Pravděpodobnost a matematická statistika (cvičenie)

Piatok 12:20 K7

Podmienky pre získanie zápočtu

Príklady na precvičenie a prípravu na zápočtové písomky s výsledkami
Výsledky príkladov riešených na cvičeniach
Ďalšie príklady a dokumenty na centrálnej stránke cvičení

Písomné práce

1. 05.04.2019: výsledky
2. 03.05.2019: výsledky
3. 24.05.2019: výsledky

Príklady riešené na cvičeniach:

• 22.02.2019: Klasická pravdepodobnosť
• 01.03.2019: Podmienená pr., Bayesov vzorec (výsledok pr. 8)
• 08.03.2019: Diskrétna náhodná veličina
• 15.03.2019: Spojitá náhodná veličina
• 22.03.2019: Náhodné vektory I
• 29.03.2019: Náhodné vektory II
• 05.04.2019: Borel-Cantelliho veta + 1. písomná práca
• 12.04.2019: Limitné vety I
• 19.04.2019: cvičenie sa nekoná
• 26.04.2019: Limitné vety II a tabuľky
• 03.05.2019: Bodové odhady + 2. písomná práca
• 10.05.2019: Bodové odhady II
• 17.05.2019: Intervalové odhady
• 24.05.2019: Testovanie hypotéz + 3. písomná práca

NMSA332: Matematická statistika II (cvičenie)

Utorok 12:20 K8

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

• 1. písomná práca
• 2. písomná práca

Zbierka úloh

Príklady riešené na cvičeniach:

• 19.02.2019: Podmienené rozdelenie, podmienené momenty
   Príklady 1, 2, 4, 5, 7, 8
• 26.02.2019: Rao-Cramérova medza
   Príklady 10, 11, 12, 13, 16
• 05.03.2019: Mnohoroznerná Rao-Cramérova medza
   Príklady 18, 20, 21, 22
• 12.03.2019: Postačujúce štatistiky
   Príklady 25, 26, 28 - 32
• 19.03.2019: Využitie postačujúcich štatistík
   Príklady 40, 41, 42, 46
• 26.03.2019: 1. písomná práca: výsledky
• 02.04.2019: Maximálna vierohodnosť
   Príklady 50 - 52, 54, 56, 63
• 09.04.2019: Maximálna vierohodnosť: vektorový parameter
   Príklady 64, 66, 68, 69
• 16.04.2019: Test pomerom vierohodnosti
   Príklady 74, 77, 79
• 23.04.2019: Testy bez rušivých parametrov
   Príklady 83, 85, 88, 91
• 30.04.2019: Testy s rušivými parametrami
   Príklady 96, 98, 99, 102
• 07.05.2019: 2. písomná práca: výsledky

NMST434: Modern Statistical Methods (exercise session)

Monday 14:00 K2

Course completion requirements
Course notes (with exercises)

Homework assignments - Results

Complementary Documents:

• 25.02.2019: Asymptotics (R script, nb script, nb pdf)
  Mathematica licence at MFF (in Czech)
   Examples 1, 3, 5, 6, 9

  • Vencálek: Elementary data analysis in Mathematica

• 04.03.2019: Method of moments (R script, nb script, nb pdf)
   Examples 8, 9, 15

• 11.03.2019: Maximum likelihood (R script)
   Examples 16, 21
   Supplementary documents:

  • the Grenander estimator (Section 2.1)
  • Example 17
  • A consistency result for MLE

• 18.03.2019: Profile likelihood (R script)
   Examples 17, 18, 24

• 25.03.2019: Conditional likelihood (R script)
   Examples 32-35

• 01.04.2019: M and Z estimators (R script, nb script, nb pdf)

• 08.04.2019: M and Z estimators II (R script, nb script, nb pdf)
   Example 40

• 10.04.2019: M and Z estimators III (R script)
   Examples 38, 39

• 29.04.2019: Bootstrap and resampling (R script)
   Examples 41, 43, 44, 45, 47, 48

• 06.05.2019: Bootstrap and resampling II, Quantile regression
  (R scripts resampling and quantile regression, pdf quantile regression example)
   Examples 51, 55, 56

• 13.05.2019: EM-algorithm, missing data
  (R scripts EM-algorithm, missing data and some auxiliary functions)
   Examples 61, 62
   Supplementary document:

  • Normal mixtures

• 20.05.2019: Kernel density estimation and regression
  (R scripts density estimation and regression, nb script)

Datasets:

• Homework 2: HW2.txt
• Barolo: barolo.txt
• Concentration vs Counts: R data
• IQ: R data
• Kojeni: csv
• AAUP: R data
• Hosi0: R data
• Pribram: csv
• Stillbirth: csv
• Foodexp: R data
• BloodType: R data