|
|
Application of count data models
Reichmanová, Barbora ; Hampel,, David (oponent) ; Hübnerová, Zuzana (vedoucí práce)
When analysing the data on emergence of plants in a row of a given length, we should consider both the probability of a seed to grow successfully and a random number of seeds sown. That is why this thesis is adressing the random sums, where number of independent identically distributed summands is random number independent of the summands. The first part of the thesis focuses on the theoretical basis, where the term random sum is introduced together with various properties, numerical and functional characteristics outlining the distribution. Afterwards the method of maximum likelihood estimation is discussed, followed by generalized linear models. Moreover, the quasilikelihood method is described briefly. Throughout this part, the theory is illustrated with examples related to the initial problem. The application on real data is discussed in the last chapter.
|
|
|
Demonstrační aplikace lineární logistické regrese
Bak, Adam ; Kesiraju, Santosh (oponent) ; Beneš, Karel (vedoucí práce)
Táto bakalárska práca sa zaoberá lineárnou logistickou regresiou, modelom pre strojové učenie. Cieľom tejto práce je podrobne preskúmať a zanalyzovať ako tento klasifikačný model funguje, aby bolo možné vyvinúť učebnú pomôcku vo forme demonštračnej aplikácie. Všetky matematické rovnice, logistická sigmoida, chybová funkcia vzájomnej entropie, metóda najväčšieho spádu sú odvodené a podrobne vysvetlené. Táto práca tiež prináša náhľad do tvaru grafu chybovej funkcie vzájomnej entropie v prípade lineárnej logistickej regresie.
|
|
|
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.
|
|
|
Statistical models for prediction of project duration
Oberta, Dušan ; Žák, Libor (oponent) ; Hübnerová, Zuzana (vedoucí práce)
The aim of this thesis is to introduce statistical models suitable for data analysis and apply them on real data related to time duration of projects based on characteristics of given projects. In the first chapter, linear regression models based on the least squares method are studied, including their properties and prediction intervals. The next chapter deals with the problematics of generalized linear models, which are based on the maximum likelihood estimation principle. Also basic properties of generalized linear models and asymptotic confidence intervals for expected values are described. In the next chapter, regression trees are introduced, with two methods of growing the trees, namely least squares and maximum likelihood estimation. Also basic principles of pruning the trees and confidence intervals for expected values were described. Derivation of maximum likelihood estimation for regression trees and confidence intervals are to a great extent own work of the author. The last described models are random forests, including their basic properties and confidence intervals for expected values. Throughout these chapters, methods for assessing model's quality, selection of optimal submodel and finding optimal values for tuning parameters were also described. At the end, the studied models and algorithms are implemented in Python and applied on real data.
|
|
|
Klíčivost semen, metody stanovení a její ovlivnění faktory prostředí
KRAUS, Jindřich
Srovnávali jsme klíčení a dynamiku klíčení druhů po různém ošetření semen stratifikací (za sucha, za vlhka, kolísání teploty). Pokus byl proveden v laboratorních podmínkách s použitím semen deseti druhů z komerčního prodeje. Výhoda domácího prostředí byla testována v polním experimentu a vyhodnocena klíčením semen tří druhů ze čtyř lokalit lišících se vlhkostí a semen z komerčního prodeje. Data jsme analyzovali pomocí zobecněných lineárních modelů.
|
|
|
Statistical models for capital models of insurance companies
Švagerková, Lýdia ; Šimurda, Miroslav (vedoucí práce) ; Mazurová, Lucie (oponent)
V tejto práci sa zaoberáme modelovaním miery storna v životnom poistení. K tomu predkladáme teoretický základ lineárnych regresných modelov a ich rozšírenia, zovšeobecnených lineárnych modelov. V teoretickej časti taktiež popisujeme výber modelu a spôsob jeho testovania. V druhej časti práce popisujeme závislosť miery storna na individuálnych a makroekonomických parametroch, tak ako boli skúmané vo svete. V poslednej časti aplikujeme teoretické znalosti zovšeobecnených lineárnych modelov. Dáta analyzujeme v štatistickom programe R a vysvetľujeme proces hľadania modelu, ktorý ich najlepšie popisuje. Interpretujeme výstupy z R a odhady získané z výsledného modelu porovnávame s pomerovou analýzou dát.
|
|
|
Application of count data models
Reichmanová, Barbora ; Hampel,, David (oponent) ; Hübnerová, Zuzana (vedoucí práce)
When analysing the data on emergence of plants in a row of a given length, we should consider both the probability of a seed to grow successfully and a random number of seeds sown. That is why this thesis is adressing the random sums, where number of independent identically distributed summands is random number independent of the summands. The first part of the thesis focuses on the theoretical basis, where the term random sum is introduced together with various properties, numerical and functional characteristics outlining the distribution. Afterwards the method of maximum likelihood estimation is discussed, followed by generalized linear models. Moreover, the quasilikelihood method is described briefly. Throughout this part, the theory is illustrated with examples related to the initial problem. The application on real data is discussed in the last chapter.
|
|
|
Demonstrační aplikace lineární logistické regrese
Bak, Adam ; Kesiraju, Santosh (oponent) ; Beneš, Karel (vedoucí práce)
Táto bakalárska práca sa zaoberá lineárnou logistickou regresiou, modelom pre strojové učenie. Cieľom tejto práce je podrobne preskúmať a zanalyzovať ako tento klasifikačný model funguje, aby bolo možné vyvinúť učebnú pomôcku vo forme demonštračnej aplikácie. Všetky matematické rovnice, logistická sigmoida, chybová funkcia vzájomnej entropie, metóda najväčšieho spádu sú odvodené a podrobne vysvetlené. Táto práca tiež prináša náhľad do tvaru grafu chybovej funkcie vzájomnej entropie v prípade lineárnej logistickej regresie.
|
|
|
Tweedie models for pricing and reserving
Smolárová, Tereza ; Pešta, Michal (vedoucí práce) ; Cipra, Tomáš (oponent)
Tato diplomová práce se zabývá aplikacemi Tweedie složeného Poissonova modelu v procesu stanovování sazeb pojistného a tvorby technických rezerv v neživotním pojištění. Tweedie modely jsou exponenciální disperzní modely, vyznačující se závislostí rozptylu na střední hodnotě v p-té mocnině, a složené Poissonovo rozdělení představuje konkrétní Tweedie model. Klíčovou motivací k použití Tweedie složeného Poissonova modelu je jeho aplikace v rámci zobecněných lineár- ních modelů (GLMs) a zobecněných odhadovacích rovnic (GEE). Cílem práce je sestavení modelů pro stanovování výšky pojistného a technických rezerv, ve kterých se odezvy řídí Tweedie složeným Poissonovým modelem. Teoretické přístupy jsou aplikovány na reálná data. 1
|
|
|
Generalized Linear Models in Reserving Risk
Zboňáková, Lenka ; Pešta, Michal (vedoucí práce) ; Branda, Martin (oponent)
V předložené diplomové práci se zabýváme zobecněnými lineárními modely v koncepci problému rezerv na pojistná plnění. Po představení tvorby rezerv na pojistná plnění a uvažované třídy modelů, zavedeme tuhle větev sto- chastického modelování do neživotního pojištění. Pro výpočet rizika spojeného s tvorbou rezerv na pojistná plnění potřebujeme prediktivní rozdělení budoucích závazků, aby bylo možné určit hodnotu rizikových měr jako jsou hodnota v riziku (Value at Risk) a podmíněná hodnota v riziku (Conditional Value at Risk). Protože jsou data v neživotním pojištění běžně sestavena z malého počtu po- zorování a odhad prediktivních rozdělení může být komplikovaný, pro tento účel volíme bootstrapovou metodu. Odhad modelů, simulace a následné meření upi- sovacího rizika jsou provedeny s použitím reálných dat. Na základě toho je do práce zahrnuta analýza odhadnutých modelů a jejich porovnání spolu s grafickými výstupy. 1
|
host ::
RSS.