|
|
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.
|
|
|
Counting People Using a PIR Sensor
Beneš, Martin ; Kempter, Guido (referee) ; Drahanský, Martin (advisor)
PIR (pasivní infračervený) senzor se používá zejména pro detekci přítomnosti osoby a oznámení systému pro příslušnou reakci. Cílem této práce je užití PIR senzorů pro lokalizaci osoby a návrh způsobu pro určení počtu lidí ve snímaném prostoru. Pro tento účel je navržen způsob zpracování jeho výstupního analogového signálu, počínající extrakcí příznaků pomocí spojité vlnkové transformace, klasifikačního modelu založeném na fuzzy logice a lineární regresi. Na konci jsou představeny a vyhodnoceny experimentálně získané výsledky.
|
|
|
Prediction of Time Series Using Statistical Methods
Beluský, Ondrej ; Bidlo, Michal (referee) ; Schwarz, Josef (advisor)
Many companies consider essential to obtain forecast of time series of uncertain variables that influence their decisions and actions. Marketing includes a number of decisions that depend on a reliable forecast. Forecasts are based directly or indirectly on the information derived from historical data. This data may include different patterns - such as trend, horizontal pattern, and cyclical or seasonal pattern. Most methods are based on the recognition of these patterns, their projection into the future and thus create a forecast. Other approaches such as neural networks are black boxes, which uses learning.
|
|
|
Approximation function implementation into PIC microprocessor
Petřík, Tomáš ; Sysel, Petr (referee) ; Šmirg, Ondřej (advisor)
This bachelor‘s thesis deals with the implementation of approximation function into the PIC microprocessor. Thesis is focused on microprocessor architecture and analysis of approximation functions. Then for actual implementation is chosen the method of least squares, and because of its relative simplicity and accuracy in comparison with other methods. Microcontroller is using the A/D converter to measure the dependence of non-linear system, which is connected to the microprocessor. Measure the voltage on a logarithmic potentiometer, which represents non-linear system, depending on the position of the slider track resistance. Then, using the method chosen microprocessor calculates the characteristic non-linear system. The measured values are compared with the theoretical, calculated the chosen method. The values measured, and their theoretical difference is then displayed on the display, connected to the microprocessor. In conclusion, then discuss the results together with the possibility of further developing this work.
|
|
| |
|
|
Approximation of Terrain Data Utilizing Splines
Tomek, Peter ; Kunovský, Jiří (referee) ; Chudý, Peter (advisor)
Pro optimalizaci letových trajektorií ve velmi malé nadmorské výšce, terenní vlastnosti musí být zahrnuty velice přesne. Proto rychlá a efektivní evaluace terenních dat je velice důležitá vzhledem nato, že čas potrebný pro optimalizaci musí být co nejkratší. Navyše, na optimalizaci letové trajektorie se využívájí metody založené na výpočtu gradientu. Proto musí být aproximační funkce terenních dat spojitá do určitého stupne derivace. Velice nádejná metoda na aproximaci terenních dat je aplikace víceroměrných simplex polynomů. Cílem této práce je implementovat funkci, která vyhodnotí dané terenní data na určitých bodech spolu s gradientem pomocí vícerozměrných splajnů. Program by měl vyčíslit více bodů najednou a měl by pracovat v $n$-dimensionálním prostoru.
|
|
|
Interactive software tools for teaching signal and image processing
Had, Pavel ; Rajmic, Pavel (referee) ; Mangová, Marie (advisor)
This thesis deals with the development of interactive applets for educational purposes. There are four applets: linear image combinations, least squares method and linear regression, discrete linear convolution in 2D, and interpolation in 1D. Each part of this thesis consists of a theoretical analysis of a given problem and its implementation in JavaScript. Specific applets then illustrate the problem so that it can be easily understood.
|
|
|
Determinants of the Wage Development in the Regions of the Czech Republic
Brodová, Zuzana ; Dohnal, Mirko (referee) ; Luňáček, Jiří (advisor)
This master´s thesis deals with the creation of a model that explains the relationship between the amount of gross wages and selected economic factors in different regions of the Czech Republic. First part contains an explanation of terms of economic and statistical area. The second part deals with the creation of data basis and numerical model calculations. In this section the results of the analyzes are presented. The third part is focused on evaluation of the obteined results.
|
|
|
Genetic Programming in Prediction Tasks
Machač, Michal ; Mrázek, Vojtěch (referee) ; Sekanina, Lukáš (advisor)
This thesis introduces various machine learning algorithms which can be used in prediction tasks based on regression. Tree genetic programming and linear genetic programming are explained more thoroughly. Selected machine learning algorithms (linear regression, random forest, multilayer perceptron and tree genetic programming) are compared on publicly available datasets with the use of scikit-learn and gplearn libraries. A core part of this project is a new implementation of linear genetic programming which was developed in C++, tested on common symbolic regression problems and then evaluated on real datasets. Results obtained with the proposed system are compared with the results obtained with gplearn.
|
|
| |
guest ::
