|
|
Statistická analýza ROC křivek
Kutálek, David ; Bednář, Josef (oponent) ; Michálek, Jaroslav (vedoucí práce)
ROC křivka (z anglického Receiver Operating Characteristic curve) je zobrazení dvou různých distribučních funkcí F0 a F1, kde na osy se vynáší hodnoty 1-F0(c) a 1-F1(c). Parametr c je reálné číslo. Takto sestrojená křivka se v poslední době často využívá k posouzení kvality diskriminačního pravidla pro zařazení objektu do jedné ze dvou tříd. Jako kritérium pak slouží velikost plochy pod ROC křivkou. V reálných úlohách se pak uplatňují metody bodových a intervalových odhadů ROC křivek a testování statistických hypotéz o ROC křivkách.
|
|
|
Úvod do bayesovské analýzy dat
Štádlerová, Kateřina ; Kulich, Michal (vedoucí práce) ; Anděl, Jiří (oponent)
bakalářské práce Název práce: Úvod do bayesovské analýzy dat Autor: Kateřina Štádlerová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce: doc. Mgr. Michal Kulich, Ph.D., Katedra pravděpo- dobnosti a matematické statistiky Abstrakt: Práce se zabývá základními principy bayesovských metod. Ty mají velmi široké použití ve statistických problémech týkajících se odhadů a testování hypotéz. Jejich použití je ale mnohem širší, v praxi se používají např. v antispa- mových filtrech elektronické pošty nebo v teorii her. Cílem práce je seznámit čtenáře s úplnými základy bayesovských metod. K tomuto účelu jsou v práci uvedeny definice, věty, důkazy i příklady, pro snadnější pochopení konkrétní pro- blematiky. Práce je přínosná především tím, že zatím není sepsáno mnoho knih v českém jazyce týkajících se právě bayesovských metod. 1
|
|
|
Optimalita výběrového rozptylu
Gleta, Filip ; Kulich, Michal (vedoucí práce) ; Anděl, Jiří (oponent)
Je známo, že nejpoužívanější odhady rozptylu a směrodatné odchylky pro nezávislá stejně rozdělená data nejsou optimální ve smyslu střední čtvercové chyby. Cílem této práce je prozkoumání a shrnutí různých přístupů k hledání vylepšených odhadů plynoucích zejména z inovativních idejí, které prezentoval Stein (1964). Uvažován je bodový odhad rozptylu a směrodatné odchylky. U každého ze získaných vylepšení probíhá diskuse, zda je nový odhad přípustný vzhledem ke střední čtvercové chybě. Následně je jednoduchými simulacemi pro různá rozdělení ověřeno, zda navrhovaná vylepšení vedou v praxi k lepším výsledkům. Powered by TCPDF (www.tcpdf.org)
|
|
|
Úvod do bayesovské analýzy dat
Štádlerová, Kateřina ; Kulich, Michal (vedoucí práce) ; Anděl, Jiří (oponent)
bakalářské práce Název práce: Úvod do bayesovské analýzy dat Autor: Kateřina Štádlerová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce: doc. Mgr. Michal Kulich, Ph.D., Katedra pravděpo- dobnosti a matematické statistiky Abstrakt: Práce se zabývá základními principy bayesovských metod. Ty mají velmi široké použití ve statistických problémech týkajících se odhadů a testování hypotéz. Jejich použití je ale mnohem širší, v praxi se používají např. v antispa- mových filtrech elektronické pošty nebo v teorii her. Cílem práce je seznámit čtenáře s úplnými základy bayesovských metod. K tomuto účelu jsou v práci uvedeny definice, věty, důkazy i příklady, pro snadnější pochopení konkrétní pro- blematiky. Práce je přínosná především tím, že zatím není sepsáno mnoho knih v českém jazyce týkajících se právě bayesovských metod. 1
|
|
|
Statistická analýza ROC křivek
Kutálek, David ; Bednář, Josef (oponent) ; Michálek, Jaroslav (vedoucí práce)
ROC křivka (z anglického Receiver Operating Characteristic curve) je zobrazení dvou různých distribučních funkcí F0 a F1, kde na osy se vynáší hodnoty 1-F0(c) a 1-F1(c). Parametr c je reálné číslo. Takto sestrojená křivka se v poslední době často využívá k posouzení kvality diskriminačního pravidla pro zařazení objektu do jedné ze dvou tříd. Jako kritérium pak slouží velikost plochy pod ROC křivkou. V reálných úlohách se pak uplatňují metody bodových a intervalových odhadů ROC křivek a testování statistických hypotéz o ROC křivkách.
|
|
|
Odhady pravděpodobnosti neopakovatelných jevů
Novák, Vít ; Hebák, Petr (vedoucí práce) ; Černý, Michal (oponent)
Kdekoliv se setkáme s předpovědním systémem, můžeme narazit na potřebu jeho hodnocení. Pro něj je však mnohdy použito nevhodných metod. Existují případy, kdy je nutné správně zohlednit možné důsledky chyb. Právě zde lze použít statistiku založenou na míře informace potažmo entropie. Této problematice je věnována první část. V té druhé se snažím ukázat možné oblasti aplikace. Například kurzové sázení. Přikládám i své v praktické poznatky z této problematiky a samotné metody konstrukce těchto odhadů, které jsou závislé na povaze jevů, jichž se předpověď týká.
|
host ::
RSS.