|
|
Grafické modely ve statistice a ekonometrii
Hubálek, Ondřej ; Zouhar, Jan (vedoucí práce) ; Bisová, Sára (oponent)
Grafické modely ve statistice a ekonometrii umožňují popis kauzálních vztahů pomocí kauzálního grafu v regresní analýze a dalších ekonometrických technikách. Cílem této práce je popis kauzálního modelování časových řad pomocí modelů strukturních modelů vektorové autoregrese. V práci je popsán postup sestavování strukturního VAR modelu, princip grafických modelů a sestavení modelu pro analýzu kauzálních závislostí. Pro porovnání jsou odhadnuty modely pro data z USA i z ČR, přičemž jsou sestaveny podobné modely pro obě země. Jsou vybrány nejvhodnější modely, které by měly přehledně graficky reprezentovat kauzální vztahy mezi makroekonomickými proměnnými, je využita analýza pomocí funkcí odezvy -- dopad poptávkového šoku na HDP a další makro ukazatele.
|
|
|
On Weakness of Evidential Networks
Vejnarová, Jiřina
In evidence theory several counterparts of Bayesian networks based on different paradigms have been proposed. We will present, through simple examples, problems appearing in two kinds of these models caused either by the conditional independence concept (or its misinterpretation) or by the use of a conditioning rule. The latter kind of problems can be avoided if undirected models are used instead.
|
|
|
A Note on Factorization of Belief Functions
Jiroušek, Radim ; Shenoy, P. P.
The paper compares two main types of factorization of belief functions (one based on the Dempster´s rule of combination, the other based on the operator of composition) and shows that both the approaches are equivalent to each other in case of unconditional factorization and shows what are the differences when overlapping factorization is studied.
|
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
|
Detection of independence relations from persegrams
Jiroušek, Radim
Procedures for computation with multidimensional models (multidimensional probability distributions) are efficient only for models with specific independence structure. Therefore, it is of great importance to learn the independence structure. The paper presents a solution of this task for models represented by generating sequences.
|
host ::
RSS.