|
|
Analýza podobnosti výsledků přijímacích zkoušek na FIS
Habarta, Filip ; Mazouch, Petr (vedoucí práce) ; Malá, Ivana (oponent)
Cílem práce je analyzování přijímacího řízení do akademického roku 2014/2015 na bakalářské studium na Fakultu informatiky a statistiky Vysoké školy ekonomické. Tato analýza je zaměřená především na problematiku opisování u přijímací zkoušky. K tomuto účelu je použit pravděpodobnostní model odhalující podezřele vysoký počet shodných odpovědí mezi účastníky přijímací zkoušky. Model je vypočítáván pomocí skriptu vytvořeného jako součást této práce. Skript může být použit i k aplikaci na jiná data. Součástí práce je zároveň základní rozbor dat získaných z přijímacího řízení. Výsledné zhodnocení přijímacího řízení a návrhy na přijetí případných opatření jsou shrnuty v závěru práce.
|
|
|
Analýza časových řad majetkových trestných činů v krajích ČR v letech 1994-2014
Kubiš, Miroslav ; Helman, Karel (vedoucí práce) ; Malá, Ivana (oponent)
Bakalářská práce se zabývá analýzou ročních časových řad a následně také měsíčních časových řad majetkových trestných činů v krajích ČR v letech 1994-2014. Data byla čerpána z policejního prezidia. Hlavním cílem práce je analyzovat (prozkoumat) vývoj těchto časových řad. Pro analýzu časových řad používám základní popisné charakteristiky a vybrané základní metody pro modelování sezónní složky. Ambicí práce je zkoumat, zda se mění počty spáchaných trestných činů v závislosti na měsíci v roce, jak se vyvíjí počty spáchané trestné činnosti v čase a porovnat časové řady v krajích.
|
|
|
Kvantilová regrese
Procházka, Jiří ; Bašta, Milan (vedoucí práce) ; Malá, Ivana (oponent)
Tato diplomová práce se zabývá úvodem do teorie spjaté s kvantilovou regresí. Práce je rozdělena do tří tématických celků. V prvním z nich se práce zabývá obecným úvodem do kvantilové regrese, teoretickými aspekty, které se týkají kvantilové regrese a základními přístupy k odhadům parametrů kvantilové regrese. V druhé části se práce zabývá obecnými i asymptotickými vlastnostmi kvantilové regrese. Tyto vlastnosti jsou demonstrovány na reálných i simulovaných datech. Cílem této části je mimo jiné porovnat kvantilovou regresi s tradiční OLS regresí a nastínit její možné praktické využití. Ve třetí části se práce zabývá statistickou indukcí, konstrukcemi intervalů spolehlivosti a testováním hypotéz o parametrech kvantilové regrese. Cílem této části je představit tradiční přístupy i přístupy vycházející z resamplingových procedur. Dále provést vzájemnou komparaci různých přístupů k dané problematice, případně navrhnout dílčí modifikace těchto metod.
|
|
|
Analýza spotřeby domácností v EU
Kolman, Martin ; Bílková, Diana (vedoucí práce) ; Malá, Ivana (oponent)
Cílem práce je zmapování vývoje spotřeby domácností u zemí Evropské unie. Spotřeba bude zkoumána z pohledu klasifikace COICOP, což je klasifikace individuální spotřeby podle účelu. Po zmapování vývoje bude za známých časových řad proveden odhad budoucích hodnot. Tento odhad bude proveden dvěma způsoby. První z nich bude respektovat rozložení spotřeby domácností do jednotlivých oddílů klasifikace COICOP. Druhý způsob bude pracovat pouze s časovou řadou průměrné spotřeby za všechny oddíly dohromady. K porovnání jednotlivých zemí bude sloužit také shluková analýza, která bude rovněž provedena dvěma různými způsoby. První z nich se bude snažit zachytit aktuální situaci, druhý potom vývoj spotřeby domácností jednotlivých zemí. K analýzám budou mimo Microsoft Excel použity programy STATGRAPHICS X64 CENTURION a SPSS. Hlavní přínos práce by měl být právě v odhadnutí budoucího vývoje spotřeby domácností jednotlivých zemí. Tento odhad bude proveden i pro jednotlivé oddíly klasifikace COICOP. Analýza prokázala, že spotřeba většiny zemí roste. Mezi výjimky patří například země, jejichž ekonomická situace není dobrá, jako například Řecko.
|
|
|
Nelineární regrese v programu R
Dolák, Martin ; Malá, Ivana (vedoucí práce) ; Bašta, Milan (oponent)
Diplomová práce se zabývá řešením nelineárních regresních úloh pomocí programu R. Úvodní teoretická část práce je věnována vymezení pojmů a seznámení se s principem řešení nelineárních regresních modelů a jejich aplikací v programu R. Jak v teoretické, tak v praktické části práce jsou prezentovány nejznámější používané derivační algoritmy, zejména Gaussův-Newtonův a algoritmus největšího spádu pro odhad parametrů v nelineární regresi. V praktické části jsou dále ukázky řešení některých konkrétních úloh pomocí nelineárních regresních metod. Práce v obou částech obsahuje pro lepší názornost velké množství autorem zpracovaných grafů.
|
|
|
Gaussian mixtures in R
Marek, Petr ; Malá, Ivana (vedoucí práce) ; Zimmermann, Pavel (oponent)
Směsi normálních rozdělení jsou velmi populárním a flexibilním nástrojem statistického modelování. Standardní postup odhadu pomocí maximální věrohodnosti bohužel nemůže být pro některé z těchto modelů použit. Pro odhad takovýchto modelů lze však použít některé z iterativních procedur, jako například EM (Expectation-Maximization) algoritmus. Cílem této práce je vysvětlit směsi pravděpodobnostních rozdělení a jejich odhad pomocí EM algoritmu. Hlavní náplní práce je ukázka implementace směsi normálních rozdělení v R. Existující balíčky a metody jsou prezentovány, popsány a porovnány. Pro některé z balíčků jsou dopsány rozšiřující funkce v jazyku R. V práci je provedeno několik rozsáhlých simulací. Některé z výsledků jsou prezentovány. Při práci s těmito simulacemi je navrhnuta a popsána myšlenka "nejčastějšího odhadu" (usual fit).
|
|
|
Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů
Lepša, Ondřej ; Bašta, Milan (vedoucí práce) ; Malá, Ivana (oponent)
Nalezení modelu s dobrými předpovědními vlastnostmi je jeden z hlavních cílů regresní analýzy. I přesto se v běžné praxi k vyhodnocení predikčních schopností využívá kritérií, která se k tomuto účelu buď nehodí, nebo nejsou dostatečně spolehlivá. Alternativu představují relativně nové metody, které využívají opětovných simulací k odhadnutí vhodné ztrátové funkce -- predikční chyby. Do této kategorie patří křížová validace a bootstrap. Tato práce popisuje, jak lze s využitím těchto metod vybrat takový regresní model, který co nejlépe předpovídá hodnoty vysvětlované proměnné.
|
|
|
Směsi pravděpodobnostních rozdělení
Nedvěd, Jakub ; Malá, Ivana (vedoucí práce) ; Bílková, Diana (oponent)
Cílem práce je vytvořit model rozdělení příjmů domácností v České republice pomocí směsi pravděpodobnostních rozdělení. V teoretické části práce jsou popsány vlastnosti směsí rozdělení s důrazem na směs normálních rozdělení. V praktické části práce jsou konstruovány modely a odhady parametrů založeny na datech ze šetření EU-SILC. Pomocí grafické metody, EM algoritmu a metody maximální věrohodnosti jsou vytvořeny modely rozdělení příjmů domácností. Kvalita modelů je porovnávána pomocí Akaikeho informačního kritéria.
|
|
| |
|
|
Délka doktorského studia na Fakultě informatiky a statistiky
Hybšová, Aneta ; Malá, Ivana (vedoucí práce) ; Čabla, Adam (oponent)
Předkládaná práce se zabývá analýzou přežití, přesněji Kaplanovým-Meierovým odhadem doby přežití. Podstatná část práce se věnuje problému cenzorovaných dat, která jsou charakteristickým rysem analýzy přežití. Empirická část práce popisuje dobu doktorského studia studentů Fakulty informatiky a statistiky a jejich "přežívání" ve studiu. Pro názornost jsou analyzována nejprve necenzorovaná data a následně celý soubor dat (cenzorovaná i necenzorovaná data).
|
host ::
RSS.