|
|
Confidence regions in nonlinear regression
Marcinko, Tomáš ; Zvára, Karel (vedoucí práce) ; Komárek, Arnošt (oponent)
Cílem této diplomové práce je komplexní shrnutí vlastností bodového odhadu parametrů normálního nelineárního modelu získaného metodou nelineárních nejmenších čtverců a následný popis možností konstrukce konfidenčních množin, resp. intervalů spolehlivosti pro parametry tohoto modelu. Vzhledem k tomu, že na rozdíl od lineárního modelu není možné tyto množiny či intervaly jednoduše a jednoznačně sestrojit, musíme se z praktického hlediska uspokojit hlavně s použitím přibližných metod. Součástí práce je i simulační studie, která porovnává odhady pravděpodobností pokrytí skutečné hodnoty parametrů jednotlivými konfidenčními množinami a intervaly spolehlivosti pro různé stupně nelinearity modelu a různé rozsahy výběru. Ukázalo se, že při zanedbatelné vnitřní křivosti modelu se jeví jako nejvhodnější věrohodnostní konfidenční množina.
|
|
|
Confidence regions in nonlinear regression
Marcinko, Tomáš ; Zvára, Karel (vedoucí práce) ; Komárek, Arnošt (oponent)
Cílem této diplomové práce je komplexní shrnutí vlastností bodového odhadu parametrů normálního nelineárního modelu získaného metodou nelineárních nejmenších čtverců a následný popis možností konstrukce konfidenčních množin, resp. intervalů spolehlivosti pro parametry tohoto modelu. Vzhledem k tomu, že na rozdíl od lineárního modelu není možné tyto množiny či intervaly jednoduše a jednoznačně sestrojit, musíme se z praktického hlediska uspokojit hlavně s použitím přibližných metod. Součástí práce je i simulační studie, která porovnává odhady pravděpodobností pokrytí skutečné hodnoty parametrů jednotlivými konfidenčními množinami a intervaly spolehlivosti pro různé stupně nelinearity modelu a různé rozsahy výběru. Ukázalo se, že při zanedbatelné vnitřní křivosti modelu se jeví jako nejvhodnější věrohodnostní konfidenční množina.
|
|
|
Consequences of assumption violations of selected statistical methods
Marcinko, Tomáš ; Blatná, Dagmar (vedoucí práce) ; Malá, Ivana (oponent) ; Lukáš, Ladislav (oponent)
Tradiční parametrické metody statistické indukce a testování hypotéz jsou zpravidla odvozeny na základě teoretických předpokladů, které mohou, ale nemusí být splněny v reálných aplikacích. V praxi přitom často dochází k tomu, že tyto metody jsou využívány přes nesplnění jejich předpokladů, přičemž se vychází z názoru, že tyto parametrické testové procedury jsou dostatečně necitlivé vůči porušení příslušných předpokladů. Navíc, alternativní neparametrické a pořadové testy jsou často opomíjené, a to častokrát z přesvědčení, že tyto metody dosahují menší sílu v porovnání s parametrickými metodami. Cílem předkládané práce je tedy popis rizik a důsledků použití klasických jednovýběrových a dvouvýběrových statistických metod při porušení teoretických předpokladů, na základě kterých byly odvozeny, jakož i konzistentní a komplexní srovnání těchto metod s alternativními neparametrickými a robustními statistickými technikami s využitím rozsáhlé simulační studie, přičemž se práce zaměřuje především na porušení předpokladu normality a homoskedasticity. Výsledky simulační práce potvrdily, že klasické parametrické metody jsou relativně robustní, i když s výhradou v případě výskytu odlehlých pozorování, kdy klasické metody mohou selhávat. Naopak zpracována studie jasně empiricky prokázala, že klasické parametrické metody při porušení svých předpokladů rychlé ztrácejí své optimální vlastnosti, a například v mnoha případech porušení předpokladu normálního rozdělení náhodného výběru dosahují větší sílu vhodné neparametrické a pořadové testové procedury, a tak tvrzení, že použití těchto metod je neefektivní z důvodu jejich menší síly, lze považovat za kritický omyl. Výběr vhodné neparametrické metody však zpravidla závisí na konkrétní formě rozdělení náhodného výběru.
|
|
|
Split delivery vehicle routing problem
Marcinko, Tomáš ; Pelikán, Jan (vedoucí práce) ; Fábry, Jan (oponent)
Cílem diplomové práce je komplexní popis rozvozního problému s dělenou dodávkou (SDVRP), který na rozdíl od klasické verze rozvozního problému neuvažuje omezení, podle kterého musí být každý zákazník obsloužen právě jedním vozidlem, a teda povoluje se možnost rozdělit dodávku jednotlivým zákazníkům na víc častí. Vzhledem ke skutečnosti, že SDVRP patří do třídy NP-těžkých úloh, je kladený zvýšený důraz na popis navrhnutých heuristických postupů. Práce navíc obsahuje výpočetní experimenty, na kterých jsou poukázané slabiny testované heuristiky SPLITABU založené na metodologii Tabu Search, jakož i charakteristiky instancí, pro které je výhodnost uvažování možnosti dělení dodávek značná.
|
host ::
RSS.