|
| |
|
|
Aproximace prostorově distribuovaných hierarchicky strukturovaných dat
Smejkalová, Veronika ; Žák, Libor (oponent) ; Pavlas, Martin (vedoucí práce)
Prognóza produkce odpadu je důležitou informací pro plánování v oblasti odpadového hospodářství. Historická data často disponují pouze krátkou časovou řadou, kde tradiční prognostické přístupy selhávají. Tato práce navrhuje matematický model pro odhad budoucí produkce odpadu v prostorově distribuovaných datech s hierarchickou strukturou. Přístup vychází z principů regresní analýzy se závěrečnou bilancí pro soulad hodnot agregovaných dat. Součástí modelu je volba tvaru regresní funkce modelující trend v datech. Přičemž data jsou očištěna od odlehlých pozorování, která se v databázi poměrně hojně vyskytují. Důraz je kladen na rozložení rozsáhlého modelu na podúlohy, které jsou řešeny jednotlivě a vedou ke snazší implementaci. Výstupem je komplexní výpočetní nástroj, který byl testován v rámci případové studie na datech o produkci komunálního odpadu v České republice.
|
|
|
Imaging Reflectometry Measuring Thin Films Optical Properties
Běhounek, Tomáš ; Spousta, Jiří (oponent) ; Zicha,, Josef (oponent) ; Kotačka, Libor (oponent) ; Druckmüller, Miloslav (vedoucí práce)
An innovative method of evaluating thin film optical properties, the so called {\it Imaging Reflectometry} based on principles of spectroscopic reflectometry is presented in this thesis.\ Reflectance spectra of the film is extracted from intensity maps recorded by CCD camera, that correspond to chosen wavelengths, either over selected area or at one point.\ A theoretical model of reflectance is fitted to experimental data (the extracted reflectance spectra) by applying Levenberg~-~Marquardt algorithm in order to determine optical properties, their accuracy and reliability factor used to quantify a convergence successfulness of the reflectance model and hence the quality of the acquired results at given settings in a sense of a sensitivity analysis.
|
|
|
Confidence regions in nonlinear regression
Marcinko, Tomáš ; Zvára, Karel (vedoucí práce) ; Komárek, Arnošt (oponent)
Cílem této diplomové práce je komplexní shrnutí vlastností bodového odhadu parametrů normálního nelineárního modelu získaného metodou nelineárních nejmenších čtverců a následný popis možností konstrukce konfidenčních množin, resp. intervalů spolehlivosti pro parametry tohoto modelu. Vzhledem k tomu, že na rozdíl od lineárního modelu není možné tyto množiny či intervaly jednoduše a jednoznačně sestrojit, musíme se z praktického hlediska uspokojit hlavně s použitím přibližných metod. Součástí práce je i simulační studie, která porovnává odhady pravděpodobností pokrytí skutečné hodnoty parametrů jednotlivými konfidenčními množinami a intervaly spolehlivosti pro různé stupně nelinearity modelu a různé rozsahy výběru. Ukázalo se, že při zanedbatelné vnitřní křivosti modelu se jeví jako nejvhodnější věrohodnostní konfidenční množina.
|
|
|
On kernel-based nonlinear regression estimation
Kalina, Jan ; Vidnerová, P.
This paper is devoted to two important kernel-based tools of nonlinear regression: the Nadaraya-Watson estimator, which can be characterized as a successful statistical method in various econometric applications, and regularization networks, which represent machine learning tools very rarely used in econometric modeling. This paper recalls both approaches and describes their common features as well as differences. For the Nadaraya-Watsonestimator, we explain its connection to the conditional expectation of the response variable. Our main contribution is numerical analysis of suitable data with an economic motivation and a comparison of the two nonlinear regression tools. Our computations reveal some tools for the Nadaraya-Watson in R software to be unreliable, others not prepared for a routine usage. On the other hand, the regression modeling by means of regularization networks is much simpler and also turns out to be more reliable in our examples. These also bring unique evidence revealing the need for a careful choice of the parameters of regularization networks
|
|
|
On kernel-based nonlinear regression estimation
Kalina, Jan ; Vidnerová, Petra
This paper is devoted to two important kernel-based tools of nonlinear regression: the Nadaraya-Watson estimator, which can be characterized as a successful statistical method in various econometric applications, and regularization networks, which represent machine learning tools very rarely used in econometric modeling. This paper recalls both approaches and describes their common features as well as differences. For the Nadaraya-Watson estimator, we explain its connection to the conditional expectation of the response variable. Our main contribution is numerical analysis of suitable data with an economic motivation and a comparison of the two nonlinear regression tools. Our computations reveal some tools for the Nadaraya-Watson in R software to be unreliable, others not prepared for a routine usage. On the other hand, the regression modeling by means of regularization networks is much simpler and also turns out to be more reliable in our examples. These also bring unique evidence revealing the need for a careful choice of the parameters of regularization networks
|
|
|
Technická analýza finančních časových řad
Faltýnková, Anežka ; Petrásek, Jakub (vedoucí práce) ; Hurt, Jan (oponent)
Předložená práce studuje neefektivity na finančních trzích. V první části jsou popsány stěžejní pojmy, jakými jsou hypotéza efektiv- ního trhu a futures kontrakty. Nezbytný matematický aparát je shrnut v druhé části, která se zabývá vazbou mezi cenou futures a martinga- lem, představena je nelineární regrese a největší důraz je kladen na popis funkcionálního lineárního modelu se skalární vysvětlovanou proměnnou. Hlavní částí práce je aplikace uvedené teorie. Jsou navrženy dva mo- dely pro predikci ceny na základě jejích historických změn. První model je nelineární a předpokládá, že vliv změny na predikci se stářím změny exponenciálně klesá. Druhý je lineární a vliv jednotlivých změn přímo odhaduje. Oba modely jsou srovnány z hlediska schopnosti predikovat neefektivity, výpočetní náročnosti a stability. 1
|
|
|
Aproximace prostorově distribuovaných hierarchicky strukturovaných dat
Smejkalová, Veronika ; Žák, Libor (oponent) ; Pavlas, Martin (vedoucí práce)
Prognóza produkce odpadu je důležitou informací pro plánování v oblasti odpadového hospodářství. Historická data často disponují pouze krátkou časovou řadou, kde tradiční prognostické přístupy selhávají. Tato práce navrhuje matematický model pro odhad budoucí produkce odpadu v prostorově distribuovaných datech s hierarchickou strukturou. Přístup vychází z principů regresní analýzy se závěrečnou bilancí pro soulad hodnot agregovaných dat. Součástí modelu je volba tvaru regresní funkce modelující trend v datech. Přičemž data jsou očištěna od odlehlých pozorování, která se v databázi poměrně hojně vyskytují. Důraz je kladen na rozložení rozsáhlého modelu na podúlohy, které jsou řešeny jednotlivě a vedou ke snazší implementaci. Výstupem je komplexní výpočetní nástroj, který byl testován v rámci případové studie na datech o produkci komunálního odpadu v České republice.
|
|
|
Automatická analýza dat v kapilární zónové elektroforéze
Ördögová, Magda ; Dubský, Pavel (vedoucí práce) ; Heyda, Jan (oponent)
Vyhodnocování dat v kapilární zónové elektroforéze obvykle zahrnuje mnoho kroků, které vyžadují využití několika různých softwarů. Kromě vyhodnocení samotných elektroforeogramů je obvykle cílem získaná data dále zpracovávat, například fitováním vhodnou regresní funkcí za účelem získání fyzkálně-chemických parametrů separace (např. konstant stability komplexu analytu s přidaným komplexujícím činidlem). Důležitá je také znalost přesnosti takového vyhodnocení (tj. chyby se kterou byly parametry stanoveny). V rámci této práci byly implementovány nové části programu Eval, který původně sloužil pouze k vyhodnocování elektroforeogramů. Nově byla do programu přidána funkce automatického proložení píku analytu Haarhoff-van der Lindeho funkcí, která je řešením rovnice kontinuity v kapiláře při použití Diracovy funkce jako počáteční podmínky. Velice častým jevem v kapilární elektroforéze je použití kompletačních činidel za účelem zlepšení separace. Z fyzikálně-chemického hlediska nás zajímají parametry, které tuto komplexaci charakterizují. Proto byla do programu Eval přidána možnost fitovat získané závislosti mobility na koncentraci komplexující látky rovnicí rektangulární hyperboly a pro získané regresní parametry vykreslit profilové diagramy, ze kterých je možné odečíst konfidenční interval na libovolné...
|
|
|
Confidence regions in nonlinear regression
Marcinko, Tomáš ; Zvára, Karel (vedoucí práce) ; Komárek, Arnošt (oponent)
Cílem této diplomové práce je komplexní shrnutí vlastností bodového odhadu parametrů normálního nelineárního modelu získaného metodou nelineárních nejmenších čtverců a následný popis možností konstrukce konfidenčních množin, resp. intervalů spolehlivosti pro parametry tohoto modelu. Vzhledem k tomu, že na rozdíl od lineárního modelu není možné tyto množiny či intervaly jednoduše a jednoznačně sestrojit, musíme se z praktického hlediska uspokojit hlavně s použitím přibližných metod. Součástí práce je i simulační studie, která porovnává odhady pravděpodobností pokrytí skutečné hodnoty parametrů jednotlivými konfidenčními množinami a intervaly spolehlivosti pro různé stupně nelinearity modelu a různé rozsahy výběru. Ukázalo se, že při zanedbatelné vnitřní křivosti modelu se jeví jako nejvhodnější věrohodnostní konfidenční množina.
|
host ::
RSS.