Národní úložiště šedé literatury Nalezeno 4 záznamů.  Hledání trvalo 0.00 vteřin. 
Čebyševova nerovnost a její modifikace
Drabinová, Adéla ; Anděl, Jiří (vedoucí práce) ; Nagy, Stanislav (oponent)
V předložené práci se zabýváme zlepšeními Čebyševovy nerovnosti. V první kapitole uvedeme nerovnosti pro náhodné veličiny s unimodálním rozdělením. Dokážeme Gaussovu a Camp-Meidellovu nerovnost a odvodíme Vysochanskii- Petuninovu nerovnost. Popíšeme zvlášť nerovnosti pro veličiny, které mají modus 0 a pro veličiny, které mají modus nenulový. V druhé kapitole se zabýváme kon- stantami C(r), pro které jsou odhady pravděpodobnosti nejlepší. Zajímat nás bude hledání optimálního parametru r, případně jeho odhadu. Ve třetí kapitole uvedeme nerovnosti z první kapitoly pro konkrétní rozdělení, výpočet jejich kon- stant, aplikace a grafické zpracování výsledků. 1
Modely pro přežití s možností vyléčení
Drabinová, Adéla ; Kulich, Michal (vedoucí práce) ; Omelka, Marek (oponent)
V této práci se zabýváme modely pro přežití, kdy uvažujeme, že s kladnou pravděpodobností k relapsu nikdy nedojde, protože pacient se vyléčí. Zaměřu- jeme se především na dvousložkový směsový model a model s biologickou moti- vací. Pro každý z nich je odvozen odhad pravděpodobnosti vyléčení a pro nevy- léčené pacienty také odhad funkce přežití pro čas do relapsu metodou maximální věrohodnosti. Dále předpokládáme, že jak pravděpodobnost vyléčení, tak doba do relapsu mohou být ovlivněny vysvětlujícími veličinami. Modely jsou následně porovnány v simulační studii. 1
Čebyševova nerovnost a její modifikace
Drabinová, Adéla ; Anděl, Jiří (vedoucí práce) ; Nagy, Stanislav (oponent)
V předložené práci se zabýváme zlepšeními Čebyševovy nerovnosti. V první kapitole uvedeme nerovnosti pro náhodné veličiny s unimodálním rozdělením. Dokážeme Gaussovu a Camp-Meidellovu nerovnost a odvodíme Vysochanskii- Petuninovu nerovnost. Popíšeme zvlášť nerovnosti pro veličiny, které mají modus 0 a pro veličiny, které mají modus nenulový. V druhé kapitole se zabýváme kon- stantami C(r), pro které jsou odhady pravděpodobnosti nejlepší. Zajímat nás bude hledání optimálního parametru r, případně jeho odhadu. Ve třetí kapitole uvedeme nerovnosti z první kapitoly pro konkrétní rozdělení, výpočet jejich kon- stant, aplikace a grafické zpracování výsledků. 1
Detection of Differential Item Functioning with Non-Linear Regression: Non-IRT Approach Accounting for Guessing
Drabinová, Adéla ; Martinková, Patrícia
In this article, we present a new method for estimation of Item Response Function and for detection of uniform and non-uniform Differential Item Functioning (DIF) in dichotomous items based on Non-Linear Regression (NLR). Proposed method extends Logistic Regression (LR) procedure by including pseudoguessing parameter. NLR technique is compared to LR procedure and Lord’s and Raju’s statistics for three-parameter Item Response Theory (IRT) models in simulation study based on Graduate Management Admission Test. NLR shows superiority in power at low rejection rate over IRT methods and outperforms LR procedure in power for case of uniform DIF detection. Our research suggests that the newly proposed non-IRT procedure is an attractive and user friendly approach to DIF detection.
Plný tet: v1229-16-version2 - Stáhnout plný textPDF; v1229-16 - Stáhnout plný textPDF
Plný text: content.csg - Stáhnout plný textPDF

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