Informace o projektu
Matematické a statistické modelování 7
(MaStaMo7)
- Kód projektu
- MUNI/A/1132/2022
- Období řešení
- 1/2023 - 12/2023
- Investor / Programový rámec / typ projektu
-
Masarykova univerzita
- Specifický výzkum - podpora studentských projektů
- Fakulta / Pracoviště MU
-
Přírodovědecká fakulta
- doc. Mgr. Jan Koláček, Ph.D.
- Jura Bogomolov
- Daniel Bretsko
- Reza Dastranj, MSc
- Mgr. Zdeňka Geršlová
- Mgr. Veronika Horská, Ph.D.
- Mgr. Karolína Hrabcová
- Mgr. Markéta Janošová
- Bc. Eva Kajzarová
- doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
- Devashish Khulbe
- doc. Mgr. David Kraus, Ph.D.
- Mgr. Markéta Makarová
- Margarita Mishina
- Mgr. Pavel Morcinek
- Mgr. Ondřej Pokora, Ph.D.
- doc. RNDr. Lenka Přibylová, Ph.D.
- Mgr. Jan Ševčík
- Mgr. Vojtěch Šindlář
- Mgr. Radovan Vavrek
- Mgr. Stanislav Zámečník
- Mgr. Jakub Záthurecký, Ph.D.
- Mgr. Markéta Zoubková
Význam matematicko-statistického modelování roste s rozvojem výpočetní techniky a příslušných numerických metod. Matematické modelování reálných jevů a procesů spolu se statistickou analýzou dostupných dat představuje významný nástroj pro poznávání přírody ve všech jejích projevech; používané modely slouží k deskripci a predikci průběhu uvažovaných procesů a/nebo k jejich hlubšímu teoretickému porozumění. Primárním cílem projektu je zapojení všech doktorských a talentovaných magisterských studentů Ústavu matematiky a statistiky Přírodovědecké fakulty MU do výzkumu, který je průběžně prováděn týmem "Modelování a statistika". Projekt je zaměřen především na modelování ekonomických, biomedicínských a environmentálních procesů a dále na analýzu dostupných dat. K těmto účelům budou v rámci projektu rozvíjeny moderní metody mnohorozměrné matematické statistiky a adaptovány odpovídající partie kvalitativní teorie nelineárních diferenciálních a diferenčních rovnic.
Publikace
Počet publikací: 14
2023
-
Methods of dealing with attrition bias due to non-random dropout in models with binary outcome
Rok: 2023, druh: Konferenční abstrakty
-
Methods of Estimating Parameters of Skewed or Truncated Normal Distribution in the Presence of Observations Outside of Measurable Range
Rok: 2023, druh: Konferenční abstrakty
-
Recent Advances in Functional Data Analysis Using Machine Learning Techniques
Rok: 2023, druh: Další prezentace na konferencích
-
Using real-time ascertainment rate estimate from infection and hospitalization dataset for modeling the spread of infectious disease: COVID-19 case study in the Czech Republic
PLoS ONE, rok: 2023, ročník: 18, vydání: 7, DOI