Národní úložiště šedé literatury Nalezeno 4 záznamů.  Hledání trvalo 0.01 vteřin. 
Copula-based multivariate association measures and tail coefficients
Kika, Vojtěch ; Omelka, Marek (vedoucí práce) ; Veraverbeke, Noel (oponent) ; Fuchs, Sebastian (oponent)
Struktura závislosti d-rozměrného náhodného vektoru X je obecně složitý koncept, který je plně popsán sdruženým rozdělením tohoto náhodného vektoru. Co se týká samotné závislosti, tak se lze zaměřit pouze na příslušnou kopuli vektoru X, která nebere v úvahu marginální rozdělení jednotlivých složek X, ale stále plně popisuje jeho strukturu závislosti. Kopule je definována jako funkce na d- rozměrném intervalu [0, 1]d s hodnotami v intervalu [0, 1]. Kvůli tomu může být příliš složitá pro praktické použití, neboť uživatelé v praxi zpravidla preferují jednodušší ukazatele, které vhodným způsobem shrnují informaci o struktuře závislosti zachycené kopulí. Takovým jednodušším ukazatelem může být vhodná míra asociace (korelace), neboli hodnota, která popisuje tendenci složek vektoru X nabývat zároveň velkých, nebo malých, hodnot. Koeficienty jako Kendallovo tau nebo Spearmanovo rhó, které měří sílu asociace mezi dvěma náhodnými veličinami, byly důkladně studovány a popsány v polovině 20. století. Požadavky na dvourozměrné míry asociace jsou tak již dobře známé. Zobecnění takových měr do vyšších dimenzí ovšem není přímočaré a přináší otázky ohledně jejich žádoucích vlastností. Často lze také míry asociace do vyšších dimenzí zobecňovat různými způsoby a není na první pohled jasné, který z těchto způsobů preferovat....
Analýza rozptylu při nesplnění předpokladu normality
Kika, Vojtěch ; Omelka, Marek (vedoucí práce) ; Kulich, Michal (oponent)
Tato bakalářská práce pojednává o metodě analýzy rozptylu jednoduchého tří- dění, která slouží k porovnávání středních hodnot několika nezávislých náhodných výběrů. Nejprve je uvedena klasická teorie se všemi svými předpoklady včetně před- pokladu normality výběrů. Dále je tato teorie rozšířena o případ, kdy předpoklad normality vstupních dat splněn není. Je odvozeno asymptotické rozdělení testové statistiky za platnosti hypotézy rovnosti středních hodnot výběrů. Poté je ověřeno, že také Tukeyho metoda a Scheffého metoda vícenásobného porovnávání v témže případě, kdy není splněn předpoklad normality, mohou být používány stejným způ- sobem jako v normálním případě. Tyto metody slouží k porovnávání dvojic středních hodnot v rámci všech výběrů a mohou tedy označit lišící se dvojici středních hodnot. V závěru je text doplněn simulační studií určenou k ověření dosažených teoretických výsledků a popisu obdobných situací na vygenerovaných datech, která nepochází z normálního rozdělení.
Statistická inference v modelech mnohorozměrných rozdělení založených na kopulích
Kika, Vojtěch ; Omelka, Marek (vedoucí práce) ; Hlubinka, Daniel (oponent)
diplomové práce Název práce: Statistická inference v modelech mnohorozměrných rozdělení zalo- žených na kopulích Autor: Vojtěch Kika Tato diplomová práce se zaměřuje na statistickou inferenci v modelech za- ložených na kopulích. Popsány jsou základní pojmy teorie kopulí, následně jsou prezentovány metody pro statistickou inferenci. Ty jsou rozlišeny do tří hlav- ních skupin. První z nich jsou parametrické metody odhadu parametru kopule, které předpokládají plně parametrickou strukturu modelu, tedy jak pro sdružené, tak pro marginální rozdělení. Druhou skupinou jsou semiparametrické metody odhadu parametru kopule, které oproti parametrickým metodám nekladou pa- rametrické předpoklady na marginální rozdělení. Poslední skupinou jsou testy dobré shody určené k testování hypotéz, zda zkoumaná kopule náleží do některé dané rodiny kopulí. Práce je v závěru doplněna o simulační studii, která zkoumá závislost pozorovaného pokrytí asymptotického intervalu spolehlivosti pro para- metr kopule na rozsahu výběru. Pro tuto studii byla vybrána metoda založená na pseudověrohodnosti, tedy jedna z nejpoužívanějších semiparametrických me- tod odhadu. Ukazuje se, že pro většinu zkoumaných rodin kopulí je pozorované pokrytí velmi blízké teoretickému pro výběry rozsahu 50 a více. Pro Frankovu a Gumbel-Hougaardovu rodinu...
Analýza rozptylu při nesplnění předpokladu normality
Kika, Vojtěch ; Omelka, Marek (vedoucí práce) ; Kulich, Michal (oponent)
Tato bakalářská práce pojednává o metodě analýzy rozptylu jednoduchého tří- dění, která slouží k porovnávání středních hodnot několika nezávislých náhodných výběrů. Nejprve je uvedena klasická teorie se všemi svými předpoklady včetně před- pokladu normality výběrů. Dále je tato teorie rozšířena o případ, kdy předpoklad normality vstupních dat splněn není. Je odvozeno asymptotické rozdělení testové statistiky za platnosti hypotézy rovnosti středních hodnot výběrů. Poté je ověřeno, že také Tukeyho metoda a Scheffého metoda vícenásobného porovnávání v témže případě, kdy není splněn předpoklad normality, mohou být používány stejným způ- sobem jako v normálním případě. Tyto metody slouží k porovnávání dvojic středních hodnot v rámci všech výběrů a mohou tedy označit lišící se dvojici středních hodnot. V závěru je text doplněn simulační studií určenou k ověření dosažených teoretických výsledků a popisu obdobných situací na vygenerovaných datech, která nepochází z normálního rozdělení.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.