|
|
Porovnání metod pro odhad omezených veličin s aplikací na ekonomická data
Musil, Karel ; Pavelková, Lenka (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Diplomová práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru, jeho rozšířením do nelineární podoby a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod Particle filtrů využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje nezáporné omezení úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány.
|
|
|
Rozmístění imigrantů po území Itálie
Pavelková, Lenka ; Drbohlav, Dušan (vedoucí práce) ; Siwek, Tadeusz (oponent)
Diplomová práce se věnuje rozmístění imigrantů po území Itálie. Nejprve jsou představeny tři použité teorie migrace (teorie sítí, human capital model, institucionální teorie) a příslušné hypotézy. Poté je shrnut vývoj migrace v Itálii v období od druhé světové války a podrobněji popsána současná situace. Po tomto úvodu je provedena analýza a ověření hypotéz, a to dvěma způsoby. První částí je kvantitativní výzkum založený na korelační analýze statistických dat, druhou pak kvalitativní výzkum založený na dotazníkovém šetření provedeném v Terstu v období od března do června 2011. K hlavním výsledkům výzkumu patří důležitost pracovních příležitostí a lepších výdělků při výběru nového místa bydliště. Naopak teorie sítí nebyla výzkumem podpořena, zejména pro občany Rumunska, kteří dle výzkumu preferují oblasti, v kterých dosud žilo málo Rumunů (a cizinců vůbec). Na závěr jsou výsledky výzkumu srovnány se situací v České republice. Pro další výzkum by bylo vhodné srovnat územní rozmístění jednotlivých skupin imigrantů, které žijí v Itálii, nebo naopak srovnat územní rozmístění občanů jednoho státu v různých evropských zemích.
|
|
| |
|
|
Normal and uniform noise - violation of the assumption on noise distribution in model identification
Jirsa, Ladislav ; Pavelková, Lenka
Mathematical modelling under uncertainty together with the field of applied statistics represent tools useful in many practical domains. Widely accepted assumption of normal (Gaussian) noise has created the basis for theoretical and algorithmic solutions of respective tasks. However, many continuous variables are strictly bounded and their uncertainty may have origin in various physical processes which causes a non-normal distribution of their noise. Furthermore, adaptation of algorithms based on normal model for identification of models with bounded noise can distort the estimates due to inconsistent handling of uncertainty. This report describes a study to compare results of estimation algorithms based on assumption of normal and uniform noise. Data sequences processed by the algorithms have normal noise bounded by a low limit with respect to standard deviation. We illustrate disparity between noise assumption and a true noise distribution and its influence on the quality of the estimates. It is a part of an effort to develop theory and fast algorithms for estimation with bounded noise, applicable in practice.
|
|
|
Fuel consumption optimization: Modication of optimality criterion in the case of speeding risk
Pavelková, Lenka
The report describes some experiments related to the project Ekodrive, TA ČR TA0103012, which concerns with fuel consumption optimisation under condition of keeping the recommended speed. During control, a speeding risk can occur if designed control leads to a vehicle speed that is higher than speed limit. This problem is solved by switching to an additional (non-optimal) regulator and/or by using a deterministic logic control block whenever a speed limit overrun is predicted. Here, an alternative approach is proposed which uses an original controller only but the optimality criterion is extended by one terms that penalises vehicle speed increments.
|
|
|
Preliminaries of probabilistic hierarchical fault detection
Jirsa, Ladislav ; Pavelková, Lenka ; Dedecius, Kamil
The paper proposes a novel probabilistic fault detection and isolation (FDI) system that enables to evaluate dynamically the industrial system condition (health) at any level of its functional hierarchy. The investigated industrial system is considered as a set of interconnected individual components. Each component acts in its noisy environment as an imperfect participant, more or less dependent on neighbouring components and, in turn, influencing some others. The nature of the problem prevents us from expressing sufficiently hard propositions about the health of the system as a whole at once but we can observe and construct propositions at lower system hierarchies. These propositions (opinions) are combined at higher levels using the rules of probabilistic logic, retaining the ignorance and finally yielding a single opinion on the health of the whole monitored system.
|
|
|
State estimation with missing data and bounded uncertainty
Pavelková, Lenka
The paper deals with two problems in the state estimation: (i) bounded uncertainty and (ii) missing measurement data. An algorithm for the state estimation of the discrete-time state space model whose uncertainties are bounded is proposed here. The algorithm also copes with situations when some data for identification are missing. The Bayesian approach is used and maximum a posteriori probability estimates are evaluated in the discrete time instants. The proposed estimation algorithm is applied to the estimation of vehicle position when incomplete data from global positioning system together with complete data from the inertial measurement unit are at disposal.
|
|
| |
|
|
Parciální zapomínání. Nová metoda sledování časově proměnných parametrů
Dedecius, Kamil ; Nagy, Ivan ; Kárný, Miroslav ; Pavelková, Lenka
Tracking of slowly varying parameters is an important task in the theory of adaptive systems. Majority of prediction and control algorithms, employing regression models like autoregression model (AR), autoregression model with exogenous inputs (ARX), autoregression model with moving average (ARMA) etc., assume a carefully defined model structure and correctly estimated parameters. Problems arise, when the model parameters vary in time. The problems of slowly time-varying model parameters were given a thorough attention. The proposed partial forgetting method tries to solve this issue by a new approach.
|
|
| |
host ::
RSS.