|
|
Rozdělení extrémních hodnot a jejich aplikace
Fusek, Michal ; Skalská,, Hana (oponent) ; Karpíšek, Zdeněk (oponent) ; Michálek, Jaroslav (vedoucí práce)
Práce je zaměřena na rozdělení extrémních hodnot a jejich aplikace. V úvodní části jsou položeny základy teorie extrémních hodnot pro jednorozměrná pozorování. Pomocí limitní věty pro rozdělení maxim jsou zavedeny tři typy extremálních rozdělení (Gumbelovo, Fréchetovo, Weibullovo) včetně charakterizace jejich oborů atraktivity. Dále jsou popsány dva modely pro odhady parametrických funkcí rozdělení extrémních hodnot vycházející ze zobecněného rozdělení extrémních hodnot (model blokových maxim) a zobecněného Paretova rozdělení (prahový model). Pro tato rozdělení jsou odvozeny odhady parametrů metodou maximální věrohodnosti a metodou pravděpodobnostně vážených momentů. Popsané metody jsou následně použity k analýze srážkových úhrnů v brněnském regionu. Dále je pozornost věnována Gumbelově třídě rozdělení, která se v praxi často vyskytuje. V práci jsou odvozeny metody pro statistickou inferenci mnohonásobně zleva cenzorovaných (cenzorování typu I) výběrů z exponenciálního a Weibullova rozdělení, které jsou následně použity k analýze koncentrací syntetických musk sloučenin. Poslední část práce shrnuje základní poznatky z teorie extrémních hodnot pro dvourozměrná pozorování. Součástí práce je také vytvořený demonstrační software pro rozdělení extrémních hodnot.
|
|
|
Bayesian and Maximum Likelihood Nonparametric Estimation in Monotone Aalen Model
Timková, Jana ; Volf, Petr (vedoucí práce) ; Kraus, David (oponent) ; Komárek, Arnošt (oponent)
Tato dizertační práce se zabývá vývojem metod v analýze přežití v rámci Aale- nova modelu za platnosti speciálních podmínek. Předpokládali jsme, že všechny re- gresní funkce a všechny pozorované proměnné jsou nezáporné. Tento typ modelu jsme nazvali monotonní Aalenův model. K odhadům regresních funkcí jsme použili metody založené na maximální věrohodnosti, konkrétně neparametrickou metodu maximální věrohodnosti, Bayesovskou analýzu s Beta procesy jako apriorními procesy pro ku- mulované regresní funkce a Bayesovskou analýzu s korelovanými apriorními procesy pro nekumulované regresní funkce.
|
|
|
EM algoritmus
Vacula, Ondřej ; Komárek, Arnošt (vedoucí práce) ; Antoch, Jaromír (oponent)
Tématem práce je EM algoritmus. Tento algoritmus se používá např. ve statistice pro získání maximálně věrohodného odhadu neznámého parametru. Algoritmus spočívá v opakovaném výpočtu střední hodnoty a následné maximalizaci jisté funkce. Začneme problémem odhadování parametrů. Popíšeme metodu maximální věrohodnosti. Zavedeme pojem nekompletních dat a formulujeme EM algoritmus. Dále pak uvedeme jeho základní vlastnosti. V další části EM algoritmus aplikujeme na vybrané statistické problémy. Nejprve na model normální směsi, dále pak na lineární smíšený model a na závěr tento algoritmus použijeme při analýze cenzorovaných dat. Powered by TCPDF (www.tcpdf.org)
|
|
|
Vybrané problémy z teorie maximální věrohodnosti
Chlubnová, Tereza ; Hlubinka, Daniel (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Metoda maximální věrohodnosti je jedna ze statistických metod na odhad neznámého parametru. Její časté použití je dáno nejen jednoduchým výpočtem, kterým získáme hledaný odhad, ale hlavně dobrými vlastnostmi tohoto odhadu, jenž nám metoda za určitých podmínek zaručuje. V práci dokážeme konzistenci odhadu při splnění podmínek regularity a jednoznačnosti kořene věrohodnostní rovnice, což potvrdí smysluplnost věrohodného odhadu. Po přidání dalších předpokladů ukážeme i jeho asymptotickou normalitu a tyto výsledky pro jednorozměrný parametr stručně rozšíříme i na vícerozměrný parametr. Hlavním výsledkem práce jsou cvičení, ve kterých nelze obecně vyjádřit maximálně věrohodný odhad, lze ale ukázat jeho existenci, jednoznačnost a asymptotickou normalitu. Navíc je načrtnuto využití asymptotické normality odhadu pro sestavování asymptotických testů hypotéz a intervalového odhadu parametru. Powered by TCPDF (www.tcpdf.org)
|
|
|
Expectation-Maximization Algoritmus
Vichr, Jaroslav ; Pešta, Michal (vedoucí práce) ; Zvára, Karel (oponent)
EM (Expectation-Maximization) algoritmus je iterativní metoda sloužící k nalezení odhadu maximální věrohodnosti v případech, kdy buď data obsahují chybějící hodnoty, nebo předpokladem existence dalších skrytých proměnných může dojít ke zjednodušení modelu. Každá jeho iterace se skládá ze dvou částí. V kroku E (expectation) vytváříme očekávání logaritmované věrohodnosti úplných dat, která je podmíněna daty pozorovanými a také současným odhadem zkoumaného parametru. Krok M (maximization) následně hledá nový odhad, který bude maximalizovat funkci získanou v předchozí části a který se následně použije v další iteraci v kroku E. EM algoritmus má významné využití např. v oceňování a řízení rizik portfolia.
|
|
|
Bayesian and Maximum Likelihood Nonparametric Estimation in Monotone Aalen Model
Timková, Jana
Tato dizertační práce se zabývá vývojem metod v analýze přežití v rámci Aalenova modelu za platnosti speciálních podmínek. Předpokládali jsme, že všechny regresní funkce a všechny pozorované proměnné jsou nezáporné. Tento typ modelu jsme nazvali monotonní Aalenův model. K odhadům regresních funkcí jsme použili metody založené na maximální věrohodnosti, konkrétně neparametrickou metodu maximální věrohodnosti, Bayesovskou analýzu s Beta procesy jako apriorními procesy pro kumulované regresní funkce a Bayesovskou analýzu s korelovanými apriorními procesy pro nekumulované regresní funkce. Powered by TCPDF (www.tcpdf.org)
|
|
|
Skórové testy v kontingenčních tabulkách
Jex, Martin ; Omelka, Marek (vedoucí práce) ; Kulich, Michal (oponent)
Bakalářská práce se zabývá testováním hypotéz v multinomickém rozdělení. Využívá dvou přístupů, Pearsonova přístupu známého jako test dobré shody a přístupu vycházejícího z teorie maximální věrohodnosti. V práci jsou odvozeny testy založené na maximální věrohodnosti. Oba přístupy jsou uplatněny na mul- tinomické rozdělení a to pro případ bez a s rušivými parametry. Také je uvedena souvislost obou přístupů. Dále jsou přístupy použity na reálná data k lepšímu pochopení probírané problematiky. 1
|
|
|
Neúplné vzorky z Poissonova rozdělení
Zeman, Ondřej ; Dvořák, Jiří (vedoucí práce) ; Hlubinka, Daniel (oponent)
Tématem této práce je zkoumání neúplného vzorku z Poissonova rozdělení, což je část náhodného výběru z Poissonova rozdělení, ve které chybí nulová pozorování. Cílem je odhadnout velikost původního náhodného výběru a pa- rametr Poissonova rozdělení λ. V první kapitole se zaměřuji na odvození tří různých druhů bodových odhadů těchto parametrů a popisuji jejich základní vlastnosti. Druhá kapitola obsahuje simulace, ve kterých jsou odvozené od- hady porovnávány na základě odhadů relativního vychýlení a relativní střední čtvercové chyby. Nakonec jsem se v poslední kapitole věnoval asymptotickým vlastnostem těchto odhadů, kde jsem kladl důraz na odvození konzistence těchto odhadů. 1
|
|
|
Vybrané problémy z teorie maximální věrohodnosti
Chlubnová, Tereza ; Hlubinka, Daniel (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Metoda maximální věrohodnosti je jedna ze statistických metod na odhad neznámého parametru. Její časté použití je dáno nejen jednoduchým výpočtem, kterým získáme hledaný odhad, ale hlavně dobrými vlastnostmi tohoto odhadu, jenž nám metoda za určitých podmínek zaručuje. V práci dokážeme konzistenci odhadu při splnění podmínek regularity a jednoznačnosti kořene věrohodnostní rovnice, což potvrdí smysluplnost věrohodného odhadu. Po přidání dalších předpokladů ukážeme i jeho asymptotickou normalitu a tyto výsledky pro jednorozměrný parametr stručně rozšíříme i na vícerozměrný parametr. Hlavním výsledkem práce jsou cvičení, ve kterých nelze obecně vyjádřit maximálně věrohodný odhad, lze ale ukázat jeho existenci, jednoznačnost a asymptotickou normalitu. Navíc je načrtnuto využití asymptotické normality odhadu pro sestavování asymptotických testů hypotéz a intervalového odhadu parametru. Powered by TCPDF (www.tcpdf.org)
|
|
|
Bayesian and Maximum Likelihood Nonparametric Estimation in Monotone Aalen Model
Timková, Jana ; Volf, Petr (vedoucí práce) ; Kraus, David (oponent) ; Komárek, Arnošt (oponent)
Tato dizertační práce se zabývá vývojem metod v analýze přežití v rámci Aale- nova modelu za platnosti speciálních podmínek. Předpokládali jsme, že všechny re- gresní funkce a všechny pozorované proměnné jsou nezáporné. Tento typ modelu jsme nazvali monotonní Aalenův model. K odhadům regresních funkcí jsme použili metody založené na maximální věrohodnosti, konkrétně neparametrickou metodu maximální věrohodnosti, Bayesovskou analýzu s Beta procesy jako apriorními procesy pro ku- mulované regresní funkce a Bayesovskou analýzu s korelovanými apriorními procesy pro nekumulované regresní funkce.
|
host ::
RSS.