|
|
Sekvenční Monte Carlo metody
Sobková, Eva ; Zikmundová, Markéta (vedoucí práce) ; Prokešová, Michaela (oponent)
Monte Carlo metody jsou metody pro simulaci stochastických systémů. Sekvenční Monte Carlo metody využívají postupně přicházející pozorování ke zpřesňování odhadu. V práci zavedeme nejprve skrytý markovský model, potom diskutujeme výhody a nevýhody třech přístupů k filtraci. Jde o perfektní Monte Carlo simulaci, Importance Sampling a sekvenční Importance Sampling. Tato diskuze nás dovede k přidání dodatečného kroku přegenerování a k formulaci klasického částicového filtru. Uvedeme ještě modifikaci Metropolis-Hastingsova algoritmu pro klasický částicový filtr. Zvolíme skrytý markovský model používaný promodelování stochastické volatility a částicový filtr i modifikovaný Metropolis-Hastingsův algoritmus implementujeme v softwaru Wolfram Mathematica verze 8.
|
|
|
Time Preferences of Ghanaian Cocoa Farmers
Sobková, Eva ; Janský, Petr (vedoucí práce) ; Bauer, Michal (oponent)
Proces přijímání nové zemědělské technologie v rozvojových zemích je zajímavé sledovat ze dvou důvodů. Přetrvávající rozdíl mezi potenciálním a realizovaným hektarovým výnosem je prvním z nich, druhým důvodem je fakt, že zemědělství je významným zdrojem obživy pro podstatnou část obyvatel třetího světa. Tato práce se pokouší analyzovat vztah mezi časovými preferencemi u ghanských pěstitelů kakaa a jejich rozhodnutím používat hnojiva, která jim jsou poskytnuta na bázi mikropůjčky. V práci jsou použity hlavně základní statistické testy, analýza kontingenčních tabulek a logistická regrese k tomu, abychom odhalili, zda trpěliví a časově konzistentní farmáři přistupují k přijetí nové technologie jinak, než ti netrpěliví a časově nekonzistentní. Také testujeme, zda jsou rozdíly v časových preferencích mezi farmáři různého pohlaví, věku, nebo dosaženého vzdělání, a nalézáme, že mladší farmáři mají sklon k větší netrpělivosti. Hlavním závěrem této práce je, že farmáři, kteří jsou netrpěliví a mají hyperbolické preference, vstoupí do programu s větší pravděpodobností, nenašli jsme však žádný významný vztah mezi časovými preferencemi a rozhodnutím opustit program na bázi mikropůjček. JEL Klasifikace C12, C14, D9, G2, O13, Q14 Klíčová slova Přijetí technologie, časové preference, mikropůjčka, rozvojové...
|
|
|
Time Preferences of Ghanaian Cocoa Farmers
Sobková, Eva ; Janský, Petr (vedoucí práce) ; Bauer, Michal (oponent)
Proces přijímání nové zemědělské technologie v rozvojových zemích je zajímavé sledovat ze dvou důvodů. Přetrvávající rozdíl mezi potenciálním a realizovaným hektarovým výnosem je prvním z nich, druhým důvodem je fakt, že zemědělství je významným zdrojem obživy pro podstatnou část obyvatel třetího světa. Tato práce se pokouší analyzovat vztah mezi časovými preferencemi u ghanských pěstitelů kakaa a jejich rozhodnutím používat hnojiva, která jim jsou poskytnuta na bázi mikropůjčky. V práci jsou použity hlavně základní statistické testy, analýza kontingenčních tabulek a logistická regrese k tomu, abychom odhalili, zda trpěliví a časově konzistentní farmáři přistupují k přijetí nové technologie jinak, než ti netrpěliví a časově nekonzistentní. Také testujeme, zda jsou rozdíly v časových preferencích mezi farmáři různého pohlaví, věku, nebo dosaženého vzdělání, a nalézáme, že mladší farmáři mají sklon k větší netrpělivosti. Hlavním závěrem této práce je, že farmáři, kteří jsou netrpěliví a mají hyperbolické preference, vstoupí do programu s větší pravděpodobností, nenašli jsme však žádný významný vztah mezi časovými preferencemi a rozhodnutím opustit program na bázi mikropůjček. JEL Klasifikace C12, C14, D9, G2, O13, Q14 Klíčová slova Přijetí technologie, časové preference, mikropůjčka, rozvojové...
|
|
|
Sekvenční Monte Carlo metody
Sobková, Eva ; Zikmundová, Markéta (vedoucí práce) ; Prokešová, Michaela (oponent)
Monte Carlo metody jsou metody pro simulaci stochastických systémů. Sekvenční Monte Carlo metody využívají postupně přicházející pozorování ke zpřesňování odhadu. V práci zavedeme nejprve skrytý markovský model, potom diskutujeme výhody a nevýhody třech přístupů k filtraci. Jde o perfektní Monte Carlo simulaci, Importance Sampling a sekvenční Importance Sampling. Tato diskuze nás dovede k přidání dodatečného kroku přegenerování a k formulaci klasického částicového filtru. Uvedeme ještě modifikaci Metropolis-Hastingsova algoritmu pro klasický částicový filtr. Zvolíme skrytý markovský model používaný promodelování stochastické volatility a částicový filtr i modifikovaný Metropolis-Hastingsův algoritmus implementujeme v softwaru Wolfram Mathematica verze 8.
|
host ::
RSS.