|
| |
|
|
Vyvozování demografické historie populací z genomových dat
Simandlová, Sára ; Reifová, Radka (vedoucí práce) ; Černá Bolfíková, Barbora (oponent)
V současné době není obtížné získat genomová data i z nemodelových organismů. Tato data nám mohou přinést informace o demografické historii populací. Bylo vyvinuto mnoho statistických vyvozovacích postupů k odvození demografické historie populací z genomových dat, jejichž popisem se zabývám v této bakalářské práci. V úvodu čtenáře seznamuji s důležitými pojmy při analýze demografické historie populací. Dále popisuji různé typy genomových dat, které se dají použít k vyvozování demografické historie populací. Následně představuji průběh experimentu při vyvozování demografické historie populací, kde rozvádím jednotlivé kroky a uvádím přístupy a metody, které se v dnešní době využívají. Poskytuji základní přehled teorie a logiky každého přístupu. Dále čtenáře seznamuji s nejpoužívanějšími softwarovými balíčky pro vyvozování demografické historie populací a poskytuji jejich srovnání.
|
|
|
Vyvozování demografické historie populací z genomových dat
Simandlová, Sára ; Reifová, Radka (vedoucí práce) ; Černá Bolfíková, Barbora (oponent)
V současné době není obtížné získat genomová data i z nemodelových organismů. Tato data nám mohou přinést informace o demografické historii populací. Bylo vyvinuto mnoho statistických vyvozovacích postupů k odvození demografické historie populací z genomových dat, jejichž popisem se zabývám v této bakalářské práci. V úvodu čtenáře seznamuji s důležitými pojmy při analýze demografické historie populací. Dále popisuji různé typy genomových dat, která se dají použít k vyvozování demografické historie populací. Následně diskutuji statistické metody, mezi které patří metody založené na datech z frekvenčního spektra míst, metody využívající aproximační Bayesovský výpočet, metody pro určování identity a sekvenční Markovovy koalescenční metody. Poskytuji základní přehled teorie a logiky každého přístupu. Poté uvádím postupy při výběru vyvozovacích metod. Klíčová slova: populační genetika, demografická inference, statistická inference, celo- genomová data
|
|
|
Exponenciální třídy a jejich význam pro statistickou inferenci
Moneer Borham Abdel-Maksoud, Sally ; Hlubinka, Daniel (vedoucí práce) ; Antoch, Jaromír (oponent)
Název práce: Exponenciální třídy a jejich význam pro statistickou inferenci Autor: Sally Abdel-Maksoud Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: doc. RNDr. Daniel Hlubinka, Ph.D. e-mail vedoucího: Daniel.Hlubinka@mff.cuni.cz Abstrakt: Tato diplomová práce vyhodnocuje exponenciální třídy rozdělení, které mají speciální postavení v matematické statistice, včetně vhodné vlastnosti pro odhad parametrů populace, testování hypotéz a další inferenci problémů. Diplomová práce vymezuje základní pojmy a fakty související s rozdělením exponenciálního typu. Speciálně se pak zaměřuje na výhodnost exponenciálních tříd v klasické parametrické statistice, tedy v teorii odhadu a v testování hypotéz. Důraz je kladen na jedno- parametrické i více-parametrické systémy. Také vymezuje důležité pojmy týkající se zakřivení statistického problému, včetně zakřivení do exponenciální třídy. Definuje množství, které měří, jak "exponenciálně" třídy jsou. Ukazuje, že třída s malým zakřivením má dobré vlastnosti exponenciální třídy. Dále pojednává o vlastnostech zakřivení, testování hypotéz a některých dalších aplikacích. Klíčová slova: Statistická inference, exponenciální třídy, testy hypotézy, statistické zakřivení.
|
|
| |
|
|
Analýza dat týkajících se risku sebevraždy u mentálně nemocných
Hron, Jiří ; Rauch, Jan (vedoucí práce) ; Malá, Ivana (oponent)
Cíle této práce jsou poskytnutí uceleného přehledu poznatků o sebevraždách jak mezi obecnou populací, tak specificky mezi mentálně postiženými pacienty, analýza záznamů o hospitalizacích mentálně postižených pacientů mezi lety 2006 a 2008 s důrazem na nalezení potencionálních rizikových faktorů sebevraždy nebo informací vhodných pro predikci pravděpodobnosti sebevraždy v době propuštění z lékařského zařízení, a konečně porovnání vybraných statistických metod v kontrastu k metodám strojového učení a dobývání znalostí z databází ve vztahu k předchozímu úkolu. Přehled je založen na poznatcíh z více jak 40 odborných článků. Analýza a porovnání metod využívá metod pro těžení asociativních pravidel, vizuálních a krokových metod pro exploraci dat, logistické a podmíněné logistické regrese pro analytickou část, a tzv. textit{random forest} modelu pro predikci. Autor si není vědom existence jakékoliv práce na témata stanovená pro tuto tezi vypracované na území České republiky, přičemž tato témata jistě nikdy nebyla zkoumána nad datovým souborem poskytnutým pro účely této teze. Dalším původním přínosem autora je krátký popis a otestování nové verze učícího algoritmu založená na kombinaci textit{random forest} a setu logistických regresních modelů použitých pro zpřesnění odhadů produkovaných prvním z modelů. Struktura sleduje výše uvedené cíle začínaje od kapitol o poznatcích předchozího výzkumu a o teoretických základech použitých metod a konče vlastní analýzou a interpretací výsledků.
|
host ::
RSS.