|
|
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.
|
|
|
Bivariate Poisson distribution
Smolárová, Tereza ; Hudecová, Šárka (vedoucí práce) ; Hlubinka, Daniel (oponent)
V předložené práci se věnujeme dvojrozměrnému Poissonovu rozdělení. Zvolenou metodou k definování dvojrozměrného Poissonova rozdělení je tzv. trivariate reduction method. Teoretickými vlastnostmi rozdělení, kterými se tato práce zabývá, jsou marginální rozdělení, kovariance, korelační koeficient a podmíněné rozdělení. Bodové odhady jednotlivých parametrů rozdělení jsou sestrojené momentovou metodou a metodou maximální věrohodnosti. Dále se zaměříme na testování dobré shody pomocí testu založeném na koe- ficientu disperze. Test založený na transformaci výběrového korelačního ko- eficientu se využívá na testování nezávislosti. Metody odhadu jednotlivých parametrů rozdělení a uvedené statistické testy jsou aplikovány na reálná data z oboru pojišťovnictví. 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)
|
|
|
Bivariate Poisson distribution
Smolárová, Tereza ; Hudecová, Šárka (vedoucí práce) ; Hlubinka, Daniel (oponent)
V předložené práci se věnujeme dvojrozměrnému Poissonovu rozdělení. Zvolenou metodou k definování dvojrozměrného Poissonova rozdělení je tzv. trivariate reduction method. Teoretickými vlastnostmi rozdělení, kterými se tato práce zabývá, jsou marginální rozdělení, kovariance, korelační koeficient a podmíněné rozdělení. Bodové odhady jednotlivých parametrů rozdělení jsou sestrojené momentovou metodou a metodou maximální věrohodnosti. Dále se zaměříme na testování dobré shody pomocí testu založeném na koe- ficientu disperze. Test založený na transformaci výběrového korelačního ko- eficientu se využívá na testování nezávislosti. Metody odhadu jednotlivých parametrů rozdělení a uvedené statistické testy jsou aplikovány na reálná data z oboru pojišťovnictví. 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.