|
Odhadování a kritéria těsnosti modelu logistické regrese
Ondrušková, Markéta ; Hanzák, Tomáš (vedoucí práce) ; Zvára, Karel (oponent)
V práci je popsán model binární logistické regrese a odhad jeho pa- rametrů metodou maximální věrohodnosti. Dále je navržen algoritmus pro me- todu nejmenších čtverců. V části věnované ukazatelům diverzifikační síly mo- delu je definována Lorenzova křivka, Giniho koeficient, C-statistika, Kolmogorov- Smirnovova statistika a koeficient determinace R2 a je odvozen jejich vztah k růz- ným výběrovým korelačním koeficientům. Pomocí modelu normálně rozdělených skóre špatných a dobrých klientů je odvozen typický vztah mezi Giniho koeficien- tem, Kolmogorov-Smirnovovou statistikou a nově také koeficientem determinace R2 . Odvozené teoretické výsledky jsou ověřeny na třech sadách reálných dat. Klíčová slova: Binární logistická regrese, metoda maximální věrohodnosti, me- toda nejmenších čtverců, Giniho koeficient, koeficient determinace. 1
|
|
Stochastická předpověď průměrných měsíčních průtoku ve vybraném vodoměrném profilu
Jansa, Jakub ; Menšík, Pavel (oponent) ; Marton, Daniel (vedoucí práce)
Diplomová práce je zaměřena na předpověď průměrných měsíčních průtoků na vybraném vodoměrném profilu. Výstupem bude vyhodnocení vypočtených hodnot a interpretace výsledků v přehledné podobě. Dále nalezení vhodného propojení mezi náhodně generovanými vstupy v podobě náhodných průběhů reálných průtokových řad se standardně používanými hydrologickými předpovědními modely založenými na principech umělé inteligence a pravděpodobnostním modelu. Výsledkem práce bude ověření postupů a následné sestavení stochastické předpovědi průměrných měsíčních průtoků ve vybraném vodoměrném profilu toku, která by byla dále využita pro účely řízení nádrže, resp. vodohospodářské soustavy.
|
|
Středně dobá předpověď průtoků vody měrným profilem toku
Šelepa, Milan ; Menšík, Pavel (oponent) ; Marton, Daniel (vedoucí práce)
Diplomová práce je zaměřena na sestavení střednědobých předpovědí průměrných měsíčních průtoků vody měrným profilem toku za účelem optimalizace řízení nádrže a vodohospodářských soustav nádrží. Průtoky byly předpovídány pomocí metody umělých neuronových sítí. Předpovězené průtoky byly statisticky vyhodnoceny odpovídajícími koeficienty a následně porovnávány s naměřenými hodnotami průtoků pro dané měrné profily toku.
|