|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
|
Intervalový odhad parametru p binomického rozdělení: Co je (relativně) nového?
Klaschka, Jan
Práce navazuje na článek z ROBUSTu 2006, kde byly vyloženy různé typy konfidenčních intervalů pro parametr p binomického rozdělení. Pravděpodobnost pokrytí skutečného p konfidenčním intervalem nemůže být na celém intervalu [0, 1] rovna předepsané nominální hladině spolehlivosti 1-alpha. Odtud vyplývají dilemata (musí být pravděpodobnost pokrytí vždy alespoň 1-alpha, nebo je lepší aproximovat 1-alpha z obou stran?) a množství návrhů, jak konfidenční interval konstruovat. Nyní bude výklad rozšířen o zobecnění "obyčejných" konfidenčních intervalů, která dosažení konstantní pravděpodobnosti pokrytí umožňují: znáhodněné konfidenční intervaly (známé už několik desetiletí) a relativní novinku, tzv. fuzzy konfidenční intervaly.
|
|
|
O intervalových odhadech pravděpodobností, zvláště malých
Klaschka, Jan
Práce se zabývá modifikací Clopper-Pearsonova konfidenčního intervalu pro parametr binomického rozdělení při nulovém nebo plném počtu úspěchů. Ukazuje se, že modifikace, která má stále své přívržence, je nekorektní. Dále jsou připomenuty některé lepší alternativy k nejběžněji používaným typům konfidenčních intervalů.
|
|
|
Klasifikační a regresní lesy
Klaschka, Jan ; Kotrč, Emil
Klasifikační les je klasifikační model vytvořený kombinací určitého počtu klasifikačních stro-mů. Každý strom přiřazuje hodnotě vektoru prediktorů nějakou třídu a výsledná klasifikační funkce je dána hlasováním. Obdobně regresní les sestává z několika regresních stromů a výsledná regresní funkce je definována jako vážený průměr regresních funkcí jednotlivých stromů. V práci jsou stručně vysvětleny některé metody vytváření lesů, jmenovitě tzv. bagging, boosting, arcing a Random Forests.
|
host ::
RSS.