|
Selected random variables transformations used in classical linear regression
Tejkal, Martin ; Michálek, Jaroslav (referee) ; Hübnerová, Zuzana (advisor)
Klasická lineární regrese a z ní odvozené testy hypotéz jsou založeny na předpokladu normálního rozdělení a shodnosti rozptylu závislých proměnných. V případě že jsou předpoklady normality porušeny, obvykle se užívá transformací závisle proměnných. První část této práce se zabývá transformacemi stabilizujícími rozptyl. Značná pozornost je udělena náhodným veličinám s Poissonovým a negativně binomickým rozdělením, pro které jsou studovány zobecněné transformace stabilizující rozptyl obsahující parametry v argumentu navíc. Pro tyto parametry jsou stanoveny jejich optimální hodnoty. Cílem druhé části práce je provést srovnání transformací uvedených v první části a dalších často užívaných transformací. Srovnání je provedeno v rámci analýzy rozptylu testováním hypotézy shodnosti středních hodnot p nezávislých náhodných výběrů s pomocí F testu. V této části jsou nejprve studovány vlastnosti F testu za předpokladu shodných a neshodných rozptylů napříč výběry. Následně je provedeno srovnání silofunkcí F testu aplikovaného pro p výběrů z Poissonova rozdělení transformovanými odmocninovou, logaritmickou a Yeo Johnsnovou transformací a z negativně binomického rozdělení transformovaného argumentem hyperbolického sinu, logaritmickou a Yeo-Johnsnovou transformací.
|
|
Poisson Approximations
Klikáč, Jan ; Omelka, Marek (advisor) ; Kulich, Michal (referee)
This bachelor thesis deals with the counting probability using Poisson distri- bution and shows new ways of approximating Poisson distribution. The first chapter summarizes the findings regarding the Poisson distribution, its definition and properties. It also show a limit transition from the binomial distribution to Poisson distibution and examples demonstrating the usage of this limit transition. Brun Sieve is introduced in the second chapter. It gives a new possibility of transiting to a Poisson distribution. Random variables, which we want to appro- ximate, no longer need to have binomial distribution. Instead the property of expected value is required. The second part of the chapter includes a practical demonstration of the usage of Brun Sieve. In the third chapter we estimate size of the error that we made when approxi- mating to Poisson distribution. There is also formulated Stein-Chen theorem for estimating the error of Poisson approximation and its version for a special case. Keywords: Poisson distribution, Brun Sieve, Stein-Chen theorem 1
|
| |
|
Variance stabilizing transformations
Kuželová, Noemi ; Omelka, Marek (advisor) ; Komárek, Arnošt (referee)
Abstract. We often examine data whose sample mean converges to a normal distribution, but the variance generally depends on an unknown parameter. To get rid of this dependence, we can sometimes use the so-called variance-stabilizing transformation method. Firstly, this thesis explains the method in detail and finds a general procedure to find suitable transformations. Then it will focus on data from Poisson and binomial distributions with unknown parameters. For these data, it finds transformations that stabilize (asymptotic) variance, and compares them with the "improved"transforms from the article Anscombe (1948). Most of the thesis is devoted to the shape of these transformations. Finally, we show in the Poisson distribution simulation that it is really appropriate to use this method and compare the derived transformation with its Anscombe version.
|
|
Use of Poisson distribution for prediction of sports matches results
Svoboda, Ondřej ; Malá, Ivana (advisor) ; Čabla, Adam (referee)
The aim of this master thesis is to verify possibility to use Poisson distribution for predicting soccer matches. At first for analysis is applied the original model from English statisticians Mark J. Dixon and Stuart G. Coles from 1997. Thereafter the model is extended in the thesis. All models are based on the maximum likelihood method. Chosen league for deducing conclusions is the first English league - Premier League. The matches are played in the period from season 2004/2005 to half of season 2015/2016. For identification of models performance are used the most market odds from American bookmaker Pinnacle. In the theoretical part are described models and statistical methods that are used in the practical part. In the practical part are realized calculations. Counted performance of models is based on profit from market odds. In the period ex-post are calculated optimum model parameters that are used in the ex-ante period, where is calculated performance of the model. The thesis answers question: Are these models gaining from public database effective in modern age?
|
|
Analysis of Profitability of Major World Lotteries
Kozmík, Karel ; Večeř, Jan (advisor) ; Lachout, Petr (referee)
Lottery tickets cost the same for every given jackpot, which might present an opportunity to make a profitable bet for very high jackpots. This work analyses whether buying a lottery ticket might be profitable in the mean value, for a given number of tickets sold, for four major American and European lotteries: Mega Millions, Powerball, EuroJackpot, Euro Millions. A regression of the sales on the jackpot is carried out for the American lotteries to find out whether some combination of the jackpot and the tickets sold, which was determined to be profitable, can be expected to happen. 1
|
|
Poisson process
Kráľová, Veronika ; Beneš, Viktor (advisor) ; Novák, Petr (referee)
Poisson process is a random set, which analyses an occurrence of the independent random points in a certain set. An object of study are probabilistic properties of this random set. Basic definitions and properties are formulated for the Euclidean spaces of arbitrary dimension and used to simulate different types of Poisson processes. We provide the algoritm procedures and source codes for each simulation. Statistical test of complete spatial randomness (CSR) verifies in conclusion, if the simulated processes are really homogeneous Poisson processes with specific properties.
|
|
Selected random variables transformations used in classical linear regression
Tejkal, Martin ; Michálek, Jaroslav (referee) ; Hübnerová, Zuzana (advisor)
Klasická lineární regrese a z ní odvozené testy hypotéz jsou založeny na předpokladu normálního rozdělení a shodnosti rozptylu závislých proměnných. V případě že jsou předpoklady normality porušeny, obvykle se užívá transformací závisle proměnných. První část této práce se zabývá transformacemi stabilizujícími rozptyl. Značná pozornost je udělena náhodným veličinám s Poissonovým a negativně binomickým rozdělením, pro které jsou studovány zobecněné transformace stabilizující rozptyl obsahující parametry v argumentu navíc. Pro tyto parametry jsou stanoveny jejich optimální hodnoty. Cílem druhé části práce je provést srovnání transformací uvedených v první části a dalších často užívaných transformací. Srovnání je provedeno v rámci analýzy rozptylu testováním hypotézy shodnosti středních hodnot p nezávislých náhodných výběrů s pomocí F testu. V této části jsou nejprve studovány vlastnosti F testu za předpokladu shodných a neshodných rozptylů napříč výběry. Následně je provedeno srovnání silofunkcí F testu aplikovaného pro p výběrů z Poissonova rozdělení transformovanými odmocninovou, logaritmickou a Yeo Johnsnovou transformací a z negativně binomického rozdělení transformovaného argumentem hyperbolického sinu, logaritmickou a Yeo-Johnsnovou transformací.
|
|
Poisson Approximations
Klikáč, Jan ; Omelka, Marek (advisor) ; Kulich, Michal (referee)
This bachelor thesis deals with the counting probability using Poisson distri- bution and shows new ways of approximating Poisson distribution. The first chapter summarizes the findings regarding the Poisson distribution, its definition and properties. It also show a limit transition from the binomial distribution to Poisson distibution and examples demonstrating the usage of this limit transition. Brun Sieve is introduced in the second chapter. It gives a new possibility of transiting to a Poisson distribution. Random variables, which we want to appro- ximate, no longer need to have binomial distribution. Instead the property of expected value is required. The second part of the chapter includes a practical demonstration of the usage of Brun Sieve. In the third chapter we estimate size of the error that we made when approxi- mating to Poisson distribution. There is also formulated Stein-Chen theorem for estimating the error of Poisson approximation and its version for a special case. Keywords: Poisson distribution, Brun Sieve, Stein-Chen theorem 1
|
| |