|
|
Moderní statistické postupy ve vyhodnocování pevnosti betonu v tlaku v konstrukcích prostřednictvím tvrdoměrných zkoušek
Janka, Marek ; Kocáb, Dalibor (oponent) ; Misák, Petr (vedoucí práce)
Tato diplomová práce zkoumá různé metody lineární regrese a jejich použití pro tvorbu regresních vztahů mezi pevností betonu v tlaku určovanou nepřímou metodou a podrcením vzorku v lisu. Zabývá se zejména nejistotou měření nepřímou metodou, která je při běžně používané klasické metodě nejmenších čtverců zanedbána. Dále se zabývá metodou vážených nejmenších čtverců, kterou je vhodné použít při tzv. heteroskedastických datech. Různé regresní metody porovnává na několika souborech dříve změřených dat. V neposlední řadě práce zkoumá vliv odstranění příliš vlivných bodů identifikovaných pomocí Cookovy vzdálenosti, které mohou výsledky regrese zkreslovat.
|
|
|
Technická analýza
Kotásek, Lukáš ; Šustrová, Tereza (oponent) ; Novotná, Veronika (vedoucí práce)
Práce je zaměřena na problematiku modelu CAPM. Je proveden výpočet charakteristik pěti vybraných akcií burzovního trhu NASDAQ s pomocí lineární regrese. Jako zastoupení trhu je použit tržní index S&P 500. Význam výsledných hodnot výpočtů je slovně interpretován. Jako vlastní návrh řešení je vytvořen program v jazyce VBA, který usnadní uživateli převod historických dat cenných papírů získaných z Yahoo! Finance do formy vhodné výpočtu. Data program následně použije pro výpočet zmíněných charakteristik. Program je také otestován na funkčnost a výkon při větším množství dat.
|
|
| |
|
|
Computational tasks for Parallel data processing course
Horečný, Peter ; Rajnoha, Martin (oponent) ; Mašek, Jan (vedoucí práce)
The goal of this thesis was to create laboratory excercises for subject „Parallel data processing“, which will introduce options and capabilities of Apache Spark technology to the students. The excercises focus on work with basic operations and data preprocessing, work with concepts and algorithms of machine learning. By following the instructions, the students will solve real world situations problems by using algorithms for linear regression, classification, clustering and frequent patterns. This will show them the real usage and advantages of Spark. As an input data, there will be databases of czech and slovak companies with a lot of information provided, which need to be prepared, filtered and sorted for next processing in the first excercise. The students will also get known with functional programming, because the are not whole programs in excercises, but just the pieces of instructions, which are not repeated in the following excercises. They will get a comprehensive overview about possibilities of Spark by getting over all the excercices.
|
|
|
Vývoj kvality koleje
Nejezchlebová, Jitka ; Kulich, Pavel (oponent) ; Svoboda, Richard (vedoucí práce)
Bakalářská práce se zabývá vývojem kvality v čase. V teoretické části je popsána metodika pro měření a vyhodnocování kvality koleje. Praktická část se zabývá úsekovým hodnocením na dvoukolejné trati Brno Maloměřice – Adamov. Pro vyhodnocení byl použit systém MATLAB. Pro vybrané úseky byla provedena regrese grafů pro zjištění vývoje kvality všech parametrů. Regrese byly využity i ke zjištění, který parametr se v čase zhoršuje nejrychleji, ve které koleji se parametry zhoršují rychleji a zda lze říct, že před nebo po opravě je nárůst rychlejší.
|
|
|
Regresní analýza prostorově a časově distribuovaných dat
Rosecký, Martin ; Hübnerová, Zuzana (oponent) ; Bednář, Josef (vedoucí práce)
V práci byly shrnuty poznatky z oblasti prognózování komunálního odpadu (KO). Byly popsány základní informace týkající se lineární regrese a korelační analýzy. Byla provedena analýza vlivů dostupných faktorů na úrovni obcí s rozšířenou působností (ORP). Výsledné modely objasňují až 99 % variability. Modely pro množství odpadu na osobu vysvětlují 12 až 75 % variability. Variabilita KO na osobu vysvětlená modelem je cca o 20 % menší, než u srovnatelné studie, která však používá běžně nedostupná data. Modely jsou pro oblast odpadového hospodářství (OH) použitelné a jejich zdánlivá jednoduchost je v praxi výhodou.
|
|
|
Rozpoznání pohlaví člověka na fotografii
Kałuża, Marian ; Beran, Vítězslav (oponent) ; Herout, Adam (vedoucí práce)
Tato práce popisuje postup s využitím víceměřítkových fotografií pro rozpoznávání pohlaví podle obličeje. Koncept je založen na algoritmech jako "Histogram of Oriented Gradients" nebo "Local Binary Patterns". Experimenty ukázaly, že úspěšnost rozpoznání pohlaví se dá zvýšit nejenom s využitím více příznaků aplikovaných na jedno měřítko obrázku, ale také s využitím pouze jednoho příznaku aplikovaného na více rozlišení. Popsaný postup dosáhl více než 95% úspěšnosti rozpoznání u obou zvolených kolekcí obrázků.
|
|
|
Statistická analýza rozsáhlých dat z průmyslu
Zamazal, Petr ; Popela, Pavel (oponent) ; Šomplák, Radovan (vedoucí práce)
Práce se zabývá zpracováním reálných dat svozu odpadu. Jsou v ní popsány vybrané poznatky o statistických testech, identifikaci odlehlých hodnot, korelační analýze a lineární regresi. Tyto teoretické znalosti jsou použity za pomocí programovacího jazyka Python k zpracování dat do podoby vhodné k tvorbě lineárního regresního modelu. Výsledné modely pro dobu svozu v obci popisují mezi 70 \% až 85 \% variability. Na základě informací získaných při zpracování dat jsou stanovena doporučení pro svozovou společnost.
|
|
| |
|
|
Zavedení a aplikace obecného regresního modelu
Hrabec, Pavel ; Štarha, Pavel (oponent) ; Bednář, Josef (vedoucí práce)
V práci byl podrobně popsán obecný lineární regresní model, včetně testových statistik pro jednotlivé koeficienty, podmodely, predikce a především testy odlehlých hodnot a pozorování výrazně deformujících model. Byl popsán způsob jak do regresního modelu zahrnout kategoriální proměnné. Tento model byl aplikován na popis saturace fotografických snímků chleba, kde vstupní proměnné byly typ mouky, typ přídavku a koncentrace mouky. Po identifikaci nevhodných pozorování jsme vytvořili matematický model, který má vysoký koeficient determinace a odborníkům z potravinářského průmyslu bude v kombinaci s matematickým modelem barvy a struktury, které nejsou předmětem této práce, sloužit k předběžné identifikaci možného složení chleba.
|
host ::
RSS.