|
|
Selected random variables transformations used in classical linear regression
Tejkal, Martin ; Michálek, Jaroslav (oponent) ; Hübnerová, Zuzana (vedoucí práce)
Classical linear regression model and the respective tests are based on an assumption of normally distributed response variables and on an assumption of variance equality. If the normality assumption is not fulfilled, then the response variables are usually transformed. In the first part of this work variance stabilising transformations are discussed. Great deal of attention is given to random variables of Poisson and negative binomial distribution, for which generalised variance stabilising transformations with addition constants in their arguments are studied. Optimal values of the constants for the generalised transformations are determined. The second part aims to provide a comparison of the transformations introduced in the first part and some other commonly used transformations. The comparison is done within the ANOVA framework by testing the hypothesis of equality of expectations among p random samples via F test. The properties of the distribution of the F test under the assumptions of equal and unequal variances are studied. Finally a comparison of the power functions of the F test applied to p random samples from Poisson distribution transformed via square root, logarithmic and Yeo-Johnson transformation, and to p random sample of negative binomial distribution transformed via argument of hyperbolic sine, logarithmic and the Yeo-Johnson transformation is carried out theoretically and by simulations.
|
|
|
Counting People Using a PIR Sensor
Beneš, Martin ; Kempter, Guido (oponent) ; Drahanský, Martin (vedoucí práce)
PIR (passive infrared) sensors are mainly used to detect a presence of a person and notifying a system to react appropriately. The aim of this thesis is to use the PIR sensors to localize the person and present approach to estimate a count of people. To do so, the thesis suggests a heat signal processing pipeline including wavelet transformation feature extraction, fuzzy logic system with classifiers based on linear regression. The performed experiment and its results are presented an evaluated.
|
|
|
Predikce časových řad pomocí statistických metod
Beluský, Ondrej ; Bidlo, Michal (oponent) ; Schwarz, Josef (vedoucí práce)
Různé společnosti považují za neodmyslitelné získávat předpověď časových řad nejistých hodnot proměnných, které ovlivňují jejich rozhodnutí. Marketing obsahuje vícero rozhodnutí, která závisí na spolehlivé předpovědi. Předpovědi jsou založeny přímo nebo nepřímo na informacích, které jsou získány z historických dat. Tato data mohou obsahovat různé vzory - jako je trend, horizontální vzor, sezónní vzor nebo i cyklický vzor. Většina metod je založena na rozpoznávaní těchto vzorů, jejich promítnutí do budoucnosti a následného vytvoření předpovědi. Jiné přístupy jako jsou například neuronové sítě jsou černými skříňkami, které využívají učení.
|
|
|
Implementace aproximační funkce do mikroprocesoru PIC
Petřík, Tomáš ; Sysel, Petr (oponent) ; Šmirg, Ondřej (vedoucí práce)
Tato bakalářská práce se zabývá implementací aproximační funkce do mikroprocesoru PIC. Zaměřuje se na architekturu mikroprocesorů a rozbor aproximačních funkcí. Pro samotnou implementaci je pak vybrána metoda nejmenších čtverců a to z důvodu její relativní jednoduchosti a přesnosti v porovnání s ostatními metodami. Mikroprocesor má pomocí A/D převodníku změřit závislost nelineárního systému, jenž je k mikroprocesoru připojen. Měří se napětí na logaritmickém potenciometru, který reprezentuje nelineární systém, v závislosti na poloze jezdce odporové dráhy. Poté, pomocí zvolené metody, mikroprocesor dopočítá charakteristiku nelineárního systému. Naměřené hodnoty se porovnávají s teoretickými, které byly dopočítaný zvolenou metodou. Hodnoty naměřené, teoretické a jejich diference se pak zobrazují na displeji, připojeném rovněž k mikroprocesoru. V závěru se pak diskutují výsledky spolu s možností dalšího rozvinutí této práce.
|
|
| |
|
|
Approximation of Terrain Data Utilizing Splines
Tomek, Peter ; Kunovský, Jiří (oponent) ; Chudý, Peter (vedoucí práce)
For the optimization of near-of-the-earth flight trajectories the terrain data have to be taken into account very precisely. At this, a fast and efficient evaluation of terrain data is very important since within the optimization task the computational effort for one single cost function evaluation has to be as small as possible. Furthermore, the trajectory optimization is done by gradient-based optimization methods. Thus, the approximation of the terrain data has to be continuously differentiable and also the gradients of the terrain data have to be evaluated along with the terrain data itself. A very promising approach for the approximation of the terrain data are multivariate splines based on the triangulations of the approximation domain. The aim of this master thesis was to develop a MATLAB and C{}\texttt{++} function that evaluates given terrain data at certain points along with the gradients of the terrain data at these points based on multivariate splines. The function supports evaluation of multiple points at once and is not limited to the three-dimensional data but should also be capable to approximate the data of any dimension.
|
|
| |
|
|
Determinanty mzdového vývoje v regionech České republiky
Brodová, Zuzana ; Dohnal, Mirko (oponent) ; Luňáček, Jiří (vedoucí práce)
Tato diplomová práce se zabývá tvorbou modelu, jenž vysvětluje vztahy mezi výší hrubé mzdy a zvolenými ekonomickými faktory v jednotlivých regionech České republiky. První část obsahuje vysvětlení termínů z ekonomické a statistické oblasti. Druhá část se zabývá tvorbou datové základny a numerickými výpočty modelu. Zde jsou uvedeny výsledky použitých analýz. Třetí část práce se věnuje zhodnocení získaných výsledků.
|
|
|
Genetické programování v úlohách predikce
Machač, Michal ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
V této práci jsou představeny různé metody strojového učení, jež lze využít v úlohách predikce založených na regresi. Detailněji je popsáno stromové a lineární genetické programování. S vybranými algoritmy strojového učení (lineární regrese, náhodný les, vícevrstvý perceptron a stromové genetické programování) jsou provedeny experimenty na volně dostupných datových sadách za využití knihoven scikit-learn a gplearn, a získané výsledky jsou porovnány z pohledu kvality predikce. Stěžejní částí této práce byla implementace systému lineárního genetického programování v programovacím jazyce C++, která byla nejprve testována na umělých úlohách symbolické regrese, a následně na reálných datových sadách. Výsledky získané pomocí vytvořené implementace jsou porovnány vůči výsledkům získaným pomocí knihovny gplearn.
|
|
| |
host ::
RSS.