|
|
Entropie a diskrétní rozdělení
Kuc, Petr ; Jurečková, Jana (vedoucí práce) ; Hlubinka, Daniel (oponent)
Shannonova entropie pravděpodobnostního rozdělení udává vážený průměr míry informace, kterou získáme pozorováním náhodné veličiny řídící se daným rozdělením. V této práci nejprve zavedeme obsáhlejší pojetí pojmu informační entropie a uvedeme Shannonovu entropii jako důležitý speciální případ. Dále spočítáme Shannonovu entropii pro některá konkrétní pravděpodobnostní rozdělení, ukážeme, která rozdělení nabývají největší entropie za různých podmínek a představíme princip maximální entropie jako užitečný odhad pravděpodobnostních modelů. Další náplní práce je zavedení principu mi- nimální divergence, který slouží k libovolně přesnému odhadu pravděpodobnostního rozdělení náhodné veličiny při znalosti náhodného výběru o dostatečném roz- sahu. Nakonec dokážeme konvergenci binomického rozdělení k Poissonovu v Shannonově divergenci. 1
|
|
|
Profilová věrohodnost
Pejřimovský, Pavel ; Omelka, Marek (vedoucí práce) ; Jurečková, Jana (oponent)
Tato bakalářská práce se zabývá statistickou metodou zvanou profilová věrohodnost. Používáme ji například při odhadování neznámých parametrů za přítomnosti rušivých parametrů, sestavování intervalů spolehlivosti nebo testování hypotéz. Profilová věrohodnost přímo vychází z metody maximální věrohodnosti, která je jednou ze základních metod matematické statistiky při odhadování neznámých parametrů. Z metody maximální věrohodnosti ještě vycházejí asymptotické testy a jejich případné zobecnění na testy s rušivými parametry. V této práci ukážeme, že mezi profilovou věrohodností a testy s rušivými parametry panuje jistá souvislost. Také ilustrujeme využití profilové věrohodnosti na klasickém příkladě s normálním rozdělením. Powered by TCPDF (www.tcpdf.org)
|
|
|
Multidimensional statistics and applications to study genes
Bubelíny, Peter ; Klebanov, Lev (vedoucí práce) ; Jurečková, Jana (oponent) ; Kalina, Jan (oponent)
Název práce: Mnohorozměrná statistika a aplikace na studium genů Autor: Mgr. Peter Bubelíny Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: prof. Lev Klebanov, DrSc., KPMS MFF UK Abstrakt: Microarrayová data genových expresí se skládají z několika tisíců genů a pouze několika desítek pozorování. Navíc, geny jsou mezi sebou silně závislé a data obsahují systematické chyby. Proto nám rozsah těchto dat nedovoluje rozumně odhadnout jejich korelační strukturu. U mnoha stati- stických problémů s mircoarrayovými daty musíme současně testovat tisíce hypotéz. Vzhledem k závislosti mezi geny, p-hodnoty těchto hypotéz jsou taky závislé. V této práci porovnáme běžné procedury mnohonásobného testování, které jsou vhodné pro závislé hypotézy. Běžný způsob, jak udělat microarrayová data méně závislá a částečně odstanit systematické chyby, je normalizovat je. Proto bylo navrhnuto několik nových normalizací a studovali jsme, jak různé normalizace ovlivňují testování hypotéz. Navíc jsme porov- nali testy pro nalezení odlišně expresovaných genů nebo genových množin a nalezli několik zajímavých vlastností testů jako například strannost dvoj- výběrového Kolmogorov-Smirnovova testu a...
|
|
|
Statistical inference based on saddlepoint approximations
Sabolová, Radka ; Jurečková, Jana (vedoucí práce) ; Hlávka, Zdeněk (oponent) ; Picek, Jan (oponent)
Název práce: Statistická inference založená na aproximací pomocí metody sedlového bodu Autor: Radka Sabolová Abstrakt: Metody založené na aproximacích pomocí sedlového bodu pro M- odhady se ve statistice osvědčily jako velmi přesné a robustní i pro výběry malého rozsahu. V této práci byly touto metodou odvozeny aproximace hustoty a testy v kvantilové regresi, a to pro parametrický i neparametrický případ. Kromě toho byl navržen i test o hodnotě regresního kvantilu založený na asymptotickém rozdělení zprůměrovaných regresních kvantilů. Tyto testy byly pak porovnány s jinými dostupnými testy v simulační studii. Poslední část práce je věnována speciálnímu případu Kullback-Leiblerovy divergence pro exponenciální rodinu rozdělení, na základě které byly také odvozeny aproximace hustoty maximálně věrohodného odhadu a suficientní statistiky pomocí metody sedlového bodu. 1
|
|
|
Tests of statistical hypotheses in measurement error models
Navrátil, Radim ; Jurečková, Jana (vedoucí práce) ; Hušková, Marie (oponent) ; Kalina, Jan (oponent)
V práci bylo studováno chování pořadových testů a odhadů v modelech s chybami měření - jestli zůstanou platné a použitelné i za přítomnosti chyb měření, případně jak mají být modifikovány. Byl navržen pořadový test o regresním parametru založený na odhadu mini- malizujícím vzdálenost a pořadový test o absolutním členu. Bylo také zkoumáno (asympto- tické) vychýlení R-odhadů v modelech s chybami měření. Heteroskedasticita v regresním modelu byla také zkoumána - byly navrženy testy heteroskedasticity s rušivou regresí a testy významnosti regrese s rušivou heteroskedasticitou založené na regresních pořadových skórech. Konečně, v modelu polohy bylo studováno chování testů a odhadů parametru posunutí pro různé chyby měření. Všechny výsledky byly odvozeny teoreticky a poté ilu- strovány numericky příklady a simulacemi.
|
|
|
Permutační testy statistických hypotéz
Veselý, Zdeněk ; Jurečková, Jana (vedoucí práce) ; Jarušková, Daniela (oponent)
Název práce: Permutační testy statistických hypotéz Autor: Zdeněk Veselý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: prof. RNDr. Jana Jurečková DrSc., Katedra pravděpodobnosti a matematické statistiky Abstrakt: Tato práce seznamuje čtenáře s konceptem permutačních testů. Permutační test je zde demonstrován jako odpověď na zadání testu, kdy je nežádoucí dělat přísnější předpoklady na rozdělení dat. Pro taková zadání je často permutační test jediným zcela korektním testem. V práci je popsána obecná konstrukce permutačních testů i způsob, jak nalézt nejsilnější takový test oproti specifické alternativě. V druhé části pro vybrané problémy srovnává sílu permutačních testů s testy parametrickými i pořadovými. Toto je provedeno simulacemi. Výsledné síly parametrických a permutačních testů se velmi neliší, což jen potvrzuje užitečnost permutačních testů pro praxi. Klíčová slova: Permutační testy, Exaktní testy, Testování hypotéz, Síla testu
|
|
|
Dvoustupňové statistické postupy
Rusá, Šárka ; Hušková, Marie (vedoucí práce) ; Jurečková, Jana (oponent)
Název práce: Dvoustupňové statistické postupy Autor: Šárka Rusá Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce: prof. RNDr. Marie Hušková, DrSc., Katedra pravdě- podobnosti a matematické statistiky Abstrakt: Bakalářská práce se zabývá speciálními sekvenčními intervalovými odhady a testy s důrazem na dvoustupňové intervalové odhady. Nejprve se omezíme na případ náhodného výběru z normálního rozdělení. V první kapitole je nejprve zkonstruován interval spolehlivosti pro střední hodnotu o dané délce a spolehlivosti pomocí Steinovy dvoustupňové metody pro neznámý rozptyl. V druhé kapitole je uveden test střední hodnoty s pravděpodobností druhého druhu nezávislou na rozptylu. Třetí kapitola se zabývá modifikací Steinovy metody, jejíž motivací je snížit střední hodnotu konečného rozsahu výběru. Ve čtvrté kapitole zobecníme modifikovanou metodu na obecná rozdělení splňující určité podmínky. V první a čtvrté kapitole provedeme simulaci rozdělení náhodné veličiny určující konečný rozsah výběru. Klíčová slova: Sekvenční odhady, Steinova dvoustupňová metoda, intervaly spolehlivosti dané délky.
|
|
|
Výběrové metody v lesnictví
Hanek, Petr ; Pawlas, Zbyněk (vedoucí práce) ; Jurečková, Jana (oponent)
Tato diplomová práce se zabývá výběrovými strategiemi v lesnictví. Po- pisuje jejich teoretické aspekty i aplikace na reálné krajině. Výběrové me- tody v lesnictví mají velký význam především při inventarizaci lesů. Cílem výběrových metod je odhadnout charakteristiky populace na základě znalosti výběrového souboru. Rozlišují se dva základní přístupy k populaci podle její velikosti, mluvíme o diskrétní nebo spojité populaci. V textu jsou popsány různé způsoby volby výběrového souboru a konstrukce příslušných odhadů sledovaných charakteristik pro oba přístupy. Kromě odhadů populačního úhrnu nebo průměru jsou zmíněny vzorce pro výpočet rozptylu těchto od- hadů a metody jejich odhadu při různých výběrových plánech. Součástí práce je porovnání studovaných metod na základě počítačových simulací.
|
|
|
Stochastical inference in the model of extreme events
Dienstbier, Jan ; Picek, Jan (vedoucí práce) ; Jurečková, Jana (oponent) ; Jarušková, Daniela (oponent)
Název práce: Stochastická inference v modelu extrémních událostí Autor: Jan Dienstbier Katedra/Ústav: Katedra pravděpodobnosti a matematické statistiky Vedoucí doktorské práce: Doc. RNDr. Jan Picek, CSc., Technická Univerzita v Liberci Abstrakt: Práce se věnuje extremálním aspektům lineárních modelů. Obsahuje stručný výklad teorie extremálních hodnot a uvádí do problému lineárních modelů Yn×1 = Xn×pβp×1 + En×1 s chybami Ei ∼ F, i = 1, . . . , n, kde distribuční funkce F náleží do některé sféry extremální přitažlivosti. Pracujeme s regresními kvantily odvozenými v článku Koenker and Basset (1978) a ukazujeme jejich extremální vlastnosti. V rámci odvození nových metod je v práci podán důkaz aproximace regresních kvantilů založený na na starších výsledcích Gutenbrunner et al. (1993). Náš výsledek platí na intervalu [α∗ n, 1 − α∗ n] s lepším řádem konvergence α∗ n → 0, než byl dosud odvozen ve starší liter- atuře. Tato aproximace umožňuje vybudovat aproximaci chvostů regresních kvantilů, na které je potom založena teorie hladkých funkcionálů procesu regresních kvantilů. Pomocí této teorie pak lze odvodit novou třídu odhadů Paretova indexu vhodnou pro regresní situaci. V práci probíráme vlastnosti této třídy...
|
|
|
Statistické odhady a chvosty jejich rozdělení pravděpodobností
Veverková, Jana ; Jurečková, Jana (vedoucí práce) ; Antoch, Jaromír (oponent)
Diplomová práce Statistické odhady a chvosty jejich rozdělení pravděpodobností popisuje dva typy charakteristik robustnosti - míru chování chvostů a bod selhání. Popis je zaměřen na odhady ekvivariantní vzhledem k posunutí, nejprve v obecné smyslu a pak také pro konkrétní typy odhadů. Jedná se o průměr, medián, useknutý průměr, Huberův odhad a Hodges Lehmannův odhad. Míra chování chvostů těchto odhadů je ilustrována pro náhodné výběry pocházející z t-rozdělení. Tato ilustrace je provedena na základě simulací vyhotovených v programu Math- ematica. 1
|
host ::
RSS.