|
|
Analýza teplotních časových řad pro vybraná místa ve Spojených státech amerických v letech 1964-2013
Libotovský, Patrik ; Helman, Karel (vedoucí práce) ; Bašta, Milan (oponent)
Bakalářská práce se zabývá analýzou časových řad průměrných měsíčních teplot naměřených na sedmi zvolených meteorologických stanicích nacházejících se na území Spojených států amerických v letech 1964-2013. Data byla pořízena z veřejně dostupné americké databáze National Climatic Data Center. Cílem této práce je zjistit vývoj jednotlivých vybraných časových řad. Analyzovaná data použijeme k zisku poznatků o podobnosti a rozdílnosti mezi sebou. Pro tuto analýzu využijeme základní charakteristiky a metody založené na dekompozici časových řad pro popis trendové a sezónní složky. Dalším cílem je ověření hypotézy, zda se na území Spojených států ve sledovaném období zvýšila průměrná měsíční teplota. Práce je rozdělena do dvou částí. První část obsahuje teoretický popis vybraných metod pro analýzu časových řad. Druhá část je věnována samotné analýze.
|
|
|
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.
|
|
|
Classification and Regression Trees in R
Nemčíková, Lucia ; Bašta, Milan (vedoucí práce) ; Vilikus, Ondřej (oponent)
Rozhodovací stromy tvoří v dnešní době užitečný doplněk ke klasickým metodám pro řešení klasifikačních a regresních problémů. Hlavním cílem této práce není rozhodnout, který přístup je lepší, ale přinést čtenáři přehled těchto metod a aplikovat je na skutečná data s pomocí statistického jazyka R. Práce se soustřeďuje na základní metodiku rozhodovacích stromů, ale především na aplikaci těchto metod, tak aby poskytla čtenáři co nejširší přehled dostupných nástrojů a znalost aby byl schopen tyto metody reálně používat. Poslední část práce se dotkne pokročilých metod pro vylepšení modelů rozhodovacích stromů, aby byl poskytnut ucelený obraz možností.
|
|
|
Analýza funkčních dat a modelování specifické míry úmrtnosti a plodnosti
Bezchlebová, Daniela ; Bašta, Milan (vedoucí práce) ; Dotlačilová, Petra (oponent)
Cílem této práce je popsat dva hlavní ukazatele zastupující procesy přirozené měny obyvatelstva, které nejsou zatížené věkovou strukturou -- specifickou míru plodnosti a specifickou míru úmrtnosti a představit analýzu funkčních dat, která se stává stále běžnější v mnoha vědních oborech Analýza je aplikována na demografická data České republiky za posledních více než 60 let. V práci je popsán stručný historický vývoj plodnosti a úmrtnosti, a také vybrané metody analýzy funkčních dat v R programu. Analýza funkčních dat poskytuje širokou škálu grafických nástrojů a dovoluje nám tak odhalit všechny typické a netypické rysy v datech, identifikovat odlehlá pozorování apod.
|
|
|
Užití transformací v regresní analýze
Housková, Markéta ; Bašta, Milan (vedoucí práce) ; Helman, Karel (oponent)
Diplomová práce se zabývá užitím transformací v modelech regresní analýzy. V první části práce shrnuje poznatky o regresních modelech, jejich předpokladech a možnostech využití různých typů transformací v případě nesplnění těchto předpokladů. V praktické části se práce zabývá regresní analýzou reálného datového souboru o školní připravenosti dětí z okresu Kolín v roce 2013 a využitím transformací ve zvoleném regresním modelu.
|
|
|
Analýza vybraných demografických časových řad
Strada, Ondřej ; Helman, Karel (vedoucí práce) ; Bašta, Milan (oponent)
Cílem této diplomové práce je analýza vybraných demografických časových řad a výpočet jejich předpovědí, konkrétně se práce zabývá ročními časovými řadami hrubé míry porodnosti, hrubé míry úmrtnosti a průměrného věku matky při narození prvního dítěte, to vše za roky 1960-2013. Nejprve jsou vymezeny demografické pojmy, s nimiž je v práci pracováno. Rovněž nechybí teoretická část popisující použité statistické metody, konkrétně metodologie časových řad od autorů Boxe-Jenkinse. U každé časové řady je provedeno socio-demografické zhodnocení jejího vývoje, následně je popsán postup výběru nejvhodnějšího interpolačního modelu a výpočet předpovědí z něj vycházejících. Nechybí výběr vhodného modelu na základě extrapolační metody pohyblivého prahu předpovědi, konstrukce předpovědí z něj vycházejících a jejich porovnání s nejvhodnějším interpolačním modelem. Na závěr práce je k dispozici porovnání časové řady hrubé míry porodnosti mezi Českou republikou a vybranou vyspělou zemí (Švédsko), jež přináší zajímavé výsledky.
|
|
|
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.
|
|
|
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.
|
|
|
Neuronové sítě v R
Arzumanov, Eduard ; Bašta, Milan (vedoucí práce) ; Žižka, David (oponent)
Cílem této práce bylo představit problematiku neuronových sítí, která i přesto, že existuje a aplikuje se ve statistice už řadu let, pro značnou část veřejnosti a dokonce akademického prostředí z oblasti statistiky zůstává minimálně prozkoumanou. Cílem praktické části bylo ověřit prostřednictvím praktické aplikace, zda neuronové sítě jsou opravdu lepším nástrojem pro statistickou analýzu než doposud běžně používané nástroje, zvláště v případě potřeby zkoumat komplexnější jevy a vztahy mezi nimi. Dalším cílem praktické části bylo za pomoci modelů neuronových sítí zkoumat a popsat vztahy mezi vývojem objemů obchodů akcií společnosti Apple a akciemi konkurenčních společností jako Google, HTC, Nokia, Samsung. Dosažení cílů práce bylo prováděno prostřednictvím poměrně rozsáhlého popisu teorie neuronových sítí, rovněž jako popisu teoretických pomůcek vhodných pro předcházení častým úskalím při praktické implementaci. Tato praktické aplikace byla prováděna v softwaru R, který se v poslední době významně rozšířil díky své dostupnosti a také velké míře flexibility, kterou uživateli poskytuje. Přínosem této práce je seznámení a utvoření uceleného přehledu o problematice neuronových sítí a poskytnutí důkazu, že v některých případech modely neuronových sítí jsou skutečně výrazně lepším nástrojem analýzy v porovnání s běžně používanými nástroji (modely typu ARMA, lineární regrese). Autor během zpracování práce získal velké množství poznatků o problematice neuronových sítí, naučil se s nimi pracovat v prostředí R, čímž posunul svoje schopnosti práce s tímto softwarem o poznání výš.
|
|
| |
host ::
RSS.