|
|
Faktory ovlivňující spokojenost doktorandů se zázemím pro studium
Paul, Miroslav ; Vltavská, Kristýna (vedoucí práce) ; Milatová, Pavla (oponent)
Diplomová práce se zabývá spokojeností studentů doktorských studijních programů se zázemím pro studium s využitím dat z výběrového šetření DOKTORANDI 2014. Cílem diplomové práce je nalézt faktory ovlivňující spokojenost doktorandů se zázemím pro studium a nalezení podobnosti studijních oborů doktorských studijních programů podle spokojenosti se zázemím. První část práce obsahuje popis vysokého školství se zaměřením na doktorské studijní programy, popis statistických metod použitých v analytické části a stručný popis šetření DOKTORANDI 2014. Analytická část práce hledá faktory mající vliv na spokojenost doktorandů se zázemím pro studium s využitím logistické regrese a rozhodovacích stromů. Dále pomocí shlukové analýzy určuje podobnost oborů studia doktorských studijních programů podle spokojenosti se zázemím pro studium.
|
|
|
Uplatnění absolventů VŠE na trhu práce a jejich hodnocení získaného vysokoškolského vzdělání
Dejl, Lukáš ; Vltavská, Kristýna (vedoucí práce) ; Hulík, Vladimír (oponent)
Diplomová práce se zabývá uplatněním absolventů Vysoké školy ekonomické v Praze (VŠE) na trhu práce a jejich hodnocení získaného vysokoškolského vzdělání na základě výsledků šetření REFLEX 2013. První část práce je zaměřena na teoretické pojmy a statistické metody, které jsou následně použity v analytické části. Analytická část práce obsahuje analýzy týkající se uplatnění absolventů VŠE na pracovním trhu a hodnocení kvality získaného vysokoškolského vzdělání. Diplomová práce se snaží pomocí vícerozměrných statistických metod odpovědět na otázky, zda existuje souvislost mezi vystudovanou fakultou a klasifikací zaměstnání po příchodu na pracovní trh, jaké aspekty ovlivňují výši hrubého měsíčního příjmu ze současné práce, jak absolventi daných fakult hodnotí míru studiem získaných základů pro vstup do práce a také jak hodnotí zaměření absolvovaného studia na budoucí profesionální uplatnění.
|
|
|
Building credit scoring models using selected statistical methods in R
Jánoš, Andrej ; Bašta, Milan (vedoucí práce) ; Pecáková, Iva (oponent)
Kredit skóring je ve finanční praxi důležitou a rychle se rozvíjející disciplínou. Cílem této práce je vytvořit souhrn základních metodik používaných k vytvoření a popisu kredit skóringových modelů s interpretací jejich výstupu společně s praktickou ilustrací postupu při vytváření těchto modelů v statistickém programovém prostředí R. Tato práce je členěná do pěti kapitol. První kapitola je věnovaná vysvětlení pojmu kredit skóring společně s několika příklady praktického využití a motivací pro jeho studium. V další části práce jsou postupně představené tři, ve finanční praxi nejčasteji používané, metody pro tvorbu kredit skóringových modelů. Ve druhé, nejrozvinutější kapitole se práce věnuje logistické regresi. Největší důraz je kladen na matematické odvození vztahu pro logistický regresní model a uvedeno je několik způsobů jako posoudit kvalitu proložení dat modelem. Dalšími dvěmi metodami prezentovanými v této práci jsou rozhodovací stromy a náhodné lesy, kterým se věnují kapitoly 3 a 4. Neoddělitelnou součástí této práce jsou podrobně popsané aplikace těchto metod na konkrétní datový soubor Default v programové platformě R. V závěrečné, páté, kapitole je praktická ilustrace vytvoření kredit skóringových modelů, jejich diagnostiky a následného vyhodnocení jejich schopnosti předpovídat selhání klienta v praxi s použitím R. V přílohách jsou uvedené vytvořené funkce a kód v R použité v práci. Čtenář vybavený základními poznatky z pravděpodobnosti a matematické statistiky získá dostatek teoretických znalostí a praktických zručností k pochopení modelů a jejich samostatné aplikaci.
|
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
|
|
Tvorba predikčních modelů
ZABLOUDIL, Jakub
Diplomová práce se zaměřuje na tvorbu predikčních modelů, jejichž úkolem je poskytnutí včasného varování před potenciálním úpadkem podniku. Podstata a hlavní cíl práce spočívá ve vytvoření vícerozměrných klasifikačních modelů prostřednictvím diskriminační analýzy a logistické regrese. Důraz se zde přikládá jejich predikční spolehlivosti, která je ověřena za období tří let před prohlášením úpadku. Rovněž jsou učiněny pokusy o optimalizaci prahových hodnot, vedoucích ke zvýšení primární spolehlivosti modelů. Současně dochází k ověření úspěšnosti klasifikace vybraných stávajících modelů a k provedení profilové analýzy, která ověřuje predikční schopnost jednorozměrných poměrových ukazatelů.
|
|
|
Evoluční návrh simulátoru založeného na celulárních automatech
Brigant, Vladimír ; Šperka, Svatopluk (oponent) ; Mrnuštík, Michal (vedoucí práce)
Tato práce popisuje návrh simulátoru založeného na celulárních automatech, který je schopen předpovědet chování komplexního prostorového systému. Tato predikce je založena na dostupních datech a přechodové funkci získané pomocí regresní analýzy ve spolupráci s evolučními algoritmy. Dvě metody regresné analýzy (lineární a logistická regrese) jsou navrhnuty, implementovány a porovnány na predikci rastu urbanizace města Brno.
|
|
|
Hluboké neuronové sítě v rozpoznávání obrazu
Munzar, Milan ; Kolář, Martin (oponent) ; Hradiš, Michal (vedoucí práce)
Neuronové sítě jsou dnes jeden z nejúspěšnějších modelů pro strojové učení. Můžeme je nalézt v autonomínch robotických systémech, v rozpoznávání objektů i řeči, predikci a mnoha jiných odvětvích umělé inteligence. Tato práce seznámí čtenáře s tímto modelem a jeho rozšířením, které se používá pro rozpoznávání objektů. Posléze popisuje aplikaci těchto konvolučních neuronových sítí(CNNs) pro klasifikaci obrazků na datasetech Caltech101 a Cifar-10. Na příkladu této aplikace diskutuje a měří efektivnost různých technik používaných v CNNs. Výsledky ukazují, že tyto sítě jsou bez dalších rozšíření schopné dosáhnout 80\% přesnosti na datasetu Cifar-10 a 37\% přesnosti na datasetu Caltech101.
|
|
|
Statistická klasifikace pomocí zobecněných lineárních modelů.
Sladká, Vladimíra ; Mrázková, Eva (oponent) ; Michálek, Jaroslav (vedoucí práce)
Cílem této diplomové práce je zavést teorii zobecněných lineárních modelů, speciálně pak probitový a logitový model. Tyto jsou zejména používány pro zpracování medicínských dat. V našem konkrétním případě jsou zmíněné modely aplikovány na datový soubor získaný ve fakultní nemocnici Brno. Úkolem je statisticky analyzovat imunitní odezvu dětských pacientů v závislosti na dvanácti vybraných typech genů a odhalit jaké kombinace těchto uvažovaných genů ovlivňuji septické stavy u pacientů.
|
|
|
Statistické modely úspěšnosti různé techniky kopů v rugby
Vrbacká, Kateřina ; Votavová, Helena (oponent) ; Bednář, Josef (vedoucí práce)
Tato bakalářská práce se zabývá testováním statistických hypotéz a jejich praktickým využitím. Statisticky modelujeme úspěšnost kopu v rugby a zkoumat dominantní faktory (poloha míče, styl kopu, typ hráče) a jejich interakce. Z matematického aparátu využijeme Chí-kvadrát test nezávislosti a logistickou regresi. Výsledný model zpracujeme v softwaru MINITAB. Výsledkem práce pak bude přesný popis dané situace.
|
|
|
Odhad pravděpodobnosti defaultu pomocí logistické regrese
Chalupa, Tomáš ; Dlouhá, Zuzana (vedoucí práce) ; Formánek, Tomáš (oponent)
Cílem této práce je vytvořit vhodný model, který odhaduje pravděpodobnost nesplacení úvěru klientem. K odhadu byla použita logistická a probitová regrese a dvě definice nesplacení, 60 a 90 dnů po splatnosti. V práci je popsán způsob výstavby, odhadu a testování skóringových modelů a také struktura použitých dat, která byla použita v praktické části práce. Nejprve byl vytvořen teoretický model, který byl později konfrontován s odhady. Vytvořené modely byly porovnány v práci popsanými statistikami jako je McFaddenovo R^2, schopnost jejich diverzifikace byla zjišťována Lorenzovou křivkou a Giniho koeficientem. Bylo zjištěno, že logistická a probitová regrese mají téměř stejné výsledky a že 90 dnů je vhodnější definice než 60 dnů.
|
host ::
RSS.