Valószínűségszámítási modellek, szerda 12:15-13:45., 3.219
Választható témák
Téma |
Kulcsszavak, címek |
Név |
Dátum |
clusterezés, osztályozás | clustering, classification A modellek bemutatása, R-es mintaprogramok futtatása, esetleg érdekes további adatok elemzése | ||
Bírósági alkalmazások | forensic statistics - néhány érdekes eset bemutatása, Bayes tétel felidézése és alkalmazása, esetleg statisztikai módszerek is | ||
COVID adatok elemzése | Rengeteg statisztikai adatból néhány kiválasztása. Idősoros modellek bemutatása és illesztése (R) | ||
Járványterjedés véletlen gráfokon | https://link.springer.com/article/10.1007/s10998-021-00440-8 Konzulens: Backhausz Ágnes | ||
Ensemble modellek a meteorológiában | https://www.ecmwf.int/en/about/media-centre/focus/2017/fact-sheet-ensemble-weather-forecasting#:~:text=An%20ensemble%20weather%20forecast%20is,with%20slightly%20perturbed%20weather%20models.&text=They%20produce%20a%20range%20of%20possible%20weather%20conditions. és a statisztikai elemzésről is vannak cikkek. Lehet konkrét helyzeteket (előrejelzés vs. tény is mutatni) |
||
Gondolkodás pszichológiája | Daniel Kahneman és Amos Tversky munkái, teszt+kiértékelés. Jó lenne online tesztet felvenni és megnézni az eredmények hasonlítanak-e a könyben leírtakhoz | ||
Kártyakeverés, |
http://www.dartmouth.edu/~chance/teaching_aids/books_articles/Mann.pdf http://en.wikipedia.org/wiki/Shuffling D Aldous, P Diaconis: Shuffling cards and stopping times, The American Mathematical Monthly, 1986, D. Bayer and P. Diaconis (1992), "Trailing the Dovetail Shuffle to its Lair", Annals of Applied Probability, és gyakorlati alk. A konzulens: Gerencsér Balázs gebaboy_at_cs.elte.hu |
||
Kísérlettervezés | hogyan nő egy növény, különböző körülmények között. Gyakorlati feladat + statisztikai háttér bemutatása, adatok R-es elemzése | ||
Keno | a játék bemutatása, Jackpot keno modelljének ismertetése egy angol cikk alapján. Lehet játszani is (R-ben) | ||
klinikai alkalmazások | clinical trials/ /http://www.medstat.hu/, kevés statisztika is kell bele | ||
Kopulák | copula (modellek bemutatása, tulajdonságaik, R-es szimulációjuk, alkalmazásaik) | ||
Környezeti adatok elemzése | Valós adatsorok összefüggései, lehetséges modelljei: R-ben egyszerű módszerekkel | ||
Krause modell | Vélemény-dinamika Gerencsér Balázs gebaboy_at_cs.elte.hu; (https://arxiv.org/abs/0907.4662) | ||
Markov lánc Monte Carlo módszerek | MCMC, Markov láncok alapjai, Metropolis-Hastings algoritmus, alkalmazási lehetőségei | ||
Pszichometriai modellek | Rasch modell, alkalmazása konkrét példákra (esetleg saját online tesztre?) | ||
rangkorrelációk | Kendall, Spearman: bemutatásuk, példák, R-es számításuk | ||
Rejtett Markov modellek | Hidden Markov models; bemutatásuk, alkalmazásuk (pl. betegség-előrehaladás, R-es program bemutatása) | ||
Rekordok eloszlása | Van könyv (angol); első fejezet bemutatása - valószínűségi modell, a rekordok gyakorisága, aszimptotikus tulajdonságok, példák (R-ben) | ||
Sportfogadások | Csak az vállalja, aki "belülről" ismeri. Matematikai modell, arbitrázs lehetőség, gyakorlati példák - esetleg virtuálisan játszhatunk is | ||
Sport: rekordok és az extrém érték modellek | adatok kellenek, modellhez programot adok (R) | ||
Valószínűségi módszerek a gráfelméletben | Allon-Spencer: The probabilistic method c. könyvéből szabadon választott tétel vázlatos bizonyítása. Konzulens: Borbély József | ||
Valószínűségszámítási paradoxonok | válogatás Székely Gábor könyvébõl | ||
Valószinűségszámitási szimulációk,
véletlen
bolyongás |
applets,random walk. Néhány
szimuláció bemutatása, a többdimenziós
és speciális véletlen bolyongás
tulajdonságai |
||
Véletlen számok generálása | Véletlen vs pszeudovéletlen
számok. Kongruencia-generátor, Neumann módszer,
speciális eloszlások (Box-Müller). A módszerek bemutatása és esetleg tesztelése |
||
Véletlen gráfok, hálózatok | random graph : Erdős-Rényi, Barabási-Albert modellek tulajdonságai, "kis világ" tulajdonság |
A dolgozat az elhangzott elõadások anyagából lesz (ne felejtsék el az én elõadásaimat is átnézni, ezek a lap alján vannak)
A maximális pontszám tehát 160+90=250
Órai pluszpontok szerezhetőek a tesztekkel!
Pröhle
Tamás és Zempléni
András: Statistical
Problem Solving in R
További elõadások:
R program az extrém-érték modellezéshez