|
| |
|
|
Boostrapping Markov Chains
Marko, Dominik ; Prášková, Zuzana (vedoucí práce) ; Hušková, Marie (oponent)
V této práci se zabýváme odhadováním pravděpodobností přechodu v Markovových řetězcích s konečnou množinou stavů a diskrétním časem. Použijeme dvě metody, konkrétně metodu maximální věrohodnosti a metodu bootstrap, pro získaní odhadů těchto pravdepodobností přechodu a odvodíme asymptotické rozdělení takto získaných odhadů. Popíšeme základní charakteristiky metody bootstrap a ukážeme aplikaci dvou bootstrapových metod pro odhadování pravděpodobností přechodů, konkrétně podmíněný a standardní bootstrap. Na numerické studii ukážeme výsledky aplikace jednotlivých metod pro odhadování pravděpodobností přechodu a výpočet intervalů spolehlivosti a porovnáme s výsledky založenými na asymptotické normalitě. Powered by TCPDF (www.tcpdf.org)
|
|
|
Linear forms and characterization of probability distributions
Božoňová, Denisa ; Klebanov, Lev (vedoucí práce) ; Prášková, Zuzana (oponent)
V tyhle práci se budeme zabývat charakterizací striktně ν-normálního a striktně ν-stabilního rozdělení. Na začátek si uvedeme několik základních pojmů, které budeme následně v této práci používat. Jako například intenzivní monotónní operátor, silně ξ-pozi- tivní rodina, či lineární forma. Dále popíšeme samotnou charakterizaci striktně ν-normál- ního a striktně ν-stabilního rozdělení pomocí výše uvedených definic a uvedeme si příklady ν-stabilních rozdělení, které si dokážeme odpovídající výsledky. V poslední kapitole se podíváme na využití zmíněných rozdělení v praxi, konkrétně ν-stabilního rozdělení. 1
|
|
|
Near integrated AR(1) models
Onderko, Martin ; Prášková, Zuzana (vedoucí práce) ; Slámová, Lenka (oponent)
Předložená práce se nejprve zaobírá poznatky teorie náhodných procesů. Důvodem je jednak snaha autora, aby byl celý text práce srozumitelnější, ale také kvůli potřebě zavedení klíčových pojmů. Prostřednictvím základních lineárních modelů časových řad se v práci definuje autoregresní model AR (1) a v tomto modelu je představený odhad parametru modelu metodou nejmenších čtverců. Pro tento odhad jsou klasickou limitní teorií rozšířené teoretické poznatky práce. Dále jsou představené modely, ve kterých je parametr závislý na počtu pozorování a definují se modely typu NIAR (1). Klasická limitní teorie pro odhad nejmenších čtverců je potom obohacená limitní teorií v těchto modelech. Uvede se třída obecnějších modelů a pomocí získaných poznatků jsou odvozené vlastnosti pro model AR (1). Práce se touhle problematikou zajímá i v modelech typu NIAR (1) a její zájmem je také bootstrap. Teoretickou část práce doplňuje praktická část ve formě numerických studií.
|
|
|
Metody analýzy longitudinálních dat
Jindrová, Linda ; Volf, Petr (vedoucí práce) ; Prášková, Zuzana (oponent)
Práce se zabývá longitudinálními daty - měřeními, která jsou prová- děna opakovaně na stejných subjektech. Popisuje r·zné typy model·, které jsou vhodné pro jejich analýzu. Postupuje od nejjednodušších lineárních model· s pevnými nebo náhodnými efekty, přes lineární a nelineární modely se smíšenými efekty, až ke zobecněným lineárním model·m a generalized estimating equati- ons (GEE). Vždy je uveden tvar modelu a zp·sob odhadu parametr·. Jednotlivé modely jsou také porovnávány mezi sebou. Teoretické poznatky jsou doplněny aplikacemi na reálná data. Pomocí lineárních model· analyzujeme data o výrobě v USA, nelineární modely využijeme k vysvětlení závislosti koncentrace léčiva v krvi na čase a GEE aplikujeme na data týkající se dýchacích potíží u dětí. 1
|
|
|
Holtova-Wintersova metoda pro sezónní vyrovnávání
Koritarová, Lenka ; Cipra, Tomáš (vedoucí práce) ; Prášková, Zuzana (oponent)
Tato práce se zabývá metodami exponenciálního vyrovnávání u časových řad. Nejprve jsou popsány principy exponenciálního vyrovnávání, zaměříme se na zá- kladní přístupy: jednoduché, zdvojené vyrovnávání a Holtovu metodu. Tyto po- stupy jsou vhodné pro modelování časových řad bez sezónní složky. V praxi jsou ale velmi časté časové řady vykazující sezónnost, pro tyto časové řady se používá Holtova-Wintersova metoda, která je založena na principech exponenciálního vy- rovnávaní. V poslední části práce je ukázáno použití této metody na reálných datech.
|
|
|
Ekologická regrese
Poul, Pavel ; Zvára, Karel (vedoucí práce) ; Prášková, Zuzana (oponent)
Tato práce se zabývá problémem při analýze dat, který vzniká agregací veličin do jednotlivých soubor·, pro které známe pouze pr·měry p·vodních veličin a po- čty jednotek, ze kterých tento soubor vznikl. Jedná se o problém nedostatečného množství informací, který zp·sobuje nepřesné stanovení vztah· mezi p·vodními veličinami. Tato práce si klade za cíl detailně seznámit čtenáře s dopady agrega- ce dat, představit jednotlivé možnosti přístupu k problému a představit takové modely a předpoklady, které povedou ke správnému stanovení vztah· mezi p·vod- ními veličinami. Práce je zakončena praktickým použitím jednotlivých přístup· na reálných datech. Výpočty jsou prováděny v software R. 1
|
|
|
Modelování finančních časových řad s trendem
Studnička, Václav ; Zichová, Jitka (vedoucí práce) ; Prášková, Zuzana (oponent)
K analýze finančních časových řad se používá mnoho modelů. Tato práce se zabývá v teoretické i v praktické části dvěma z nich; modelem s nelineárním trendem a modelem s lineárním trendem, které jsou založeny na autoregresním procesu. Nejprve jsou v práci popsány základy teorie časových řad a teorie au- toregresního procesu, následně je vyložena teorie obou modelů s lineárním i ne- lineárním trendem, včetně odvození vlastností časových řad používaných v těchto modelech. Praktická část je simulační studií, ve které jsou pro oba modely nagene- rovány časové řady, na základně popsané teorie jsou pak odhadovány parametry těchto modelů s diskuzí jejich přesnosti. 1
|
|
|
Náhodné operátory pro modelování diskrétních časových řad
Lahodová, Kateřina ; Prášková, Zuzana (vedoucí práce) ; Lachout, Petr (oponent)
V této práci jsou studovány náhodné operátory využitelné k modelování diskrétních časových řad. Jedná se o binomický operátor, obecný náhodný operátor, smíšený bi- nomický operátor, náhodný operátor s náhodným koeficientem a hypergeometrický operátor. Jsou zde popsány jejich základní vlastnosti a ukázány některé vztahy mezi jednotlivými operátory. Dále je zde vysvětleno použití těchto operátorů pro mode- lování časových řad celočíselných hodnot, procesu INAR(1), binomického AR(1) a smíšeného modelu INAR(1). Pro tyto modely jsou v práci odvozeny odhady jejich parametrů. Tyto odhady jsou následně vyzkoušeny na několika simulacích.
|
|
|
Nelineární ARMA model
Šabata, Marek ; Lachout, Petr (vedoucí práce) ; Prášková, Zuzana (oponent)
Práce se zabývá teorií lineárních a nelineárních ARMA modelů a jejich aplikací na data finančních trhů. Nejprve je uveden obecný rámec teorie časových řad. Následně je vyložena teorie lineár- ních ARMA modelů, která je základním kamenem i pro nelineární modely. Z nelineárních modelů je představen prahový autoregresivní model (TAR), autoregresivní podmíněně he- teroskedastický model (ARCH) a zobecněný autoregresivní podmíněně heteroskedastický model (GARCH). U všech modelů je odvozena metoda pro odhad parametrů, jsou odvo- zeny asymptotické vlastnosti estimátorů a následně spolehlivostní oblasti a intervaly pro testy parametrů. Teorie je aplikována na finanční data, konkrétně na index Standard and Poor's 500 (S&P500). Všechny modely jsou implementovány ve statistickém softwaru R. 1
|
host ::
RSS.