|
|
Implementace a aplikace statistických metod ve výzkumu, výrobní technologii a řízení jakosti
Kupka, Karel ; Karpíšek, Zdeněk (vedoucí práce)
Práce se zabývá možnostmi použití moderních statistických postupů se zaměřením na robustní metody. Vybrané postupy jsou analyzovány a aplikovány na častých problémech z praxe v českém průmyslu a technologii. Studovaná témata, metody a algoritmy jsou voleny tak, aby byla přínosem v reálných aplikacích ve srovnání s používanými klasickými metodami. Použitelnost a účinnost algoritmů je ověřena a demonstrována na reálných studiích a problémech z výzkumného prostředí českých průmyslových subjektů. V práci je poukázáno na nevyužitý potenciál současné teoreticko-matematické a výpočetní kapacity a nových přístupů k chápání statistických modelů a metod. Výsledkem práce je rovněž původní vývojové prostředí s programovacím jazykem DARWin (Data Analysis Robot for Windows) pro intenzivní využití efektivních numerických postupů pro získávání informací z dat. Práce je impulsem pro širší využití robustních a numericky, nebo výpočetně náročnějších metod, jako jsou neuronové sítě, pro modelování procesů a kontrolu kvality.
|
|
|
Regression quantiles
Rusnák, Peter ; Kalina, Jan (vedoucí práce) ; Zvára, Karel (oponent)
Názov práce: Regresní kvantily Autor: Peter Rusnák Katedra / Ústav: Katedra pravděpodobnosti a matematické statistiky MFF UK Vedúci bakalárskej práce: RNDr. Jan Kalina, Ph.D. ,Ústav informatiky AV ČR Abstrakt: Kvantilová regresia je štatistická metóda slúžiaca na určovanie závislostí medzi premennými, ktorá bola navrhnutá už v článku Koenker a Bassett (1978). Od tej doby prešla veľkým rozvojom, keď boli študované jej teoretické vlastnosti, a zároveň si našla radu praktických aplikácii pri spracovaní reál- nych dát v najrôznejších oboroch. Kým bežná metóda najmenších štvorcov popisuje vzťah medzi jedným respektíve viacerými kovariátmi X a podmieneným priemerom odpovedajúcej premennej Y daným X = x, kvantilová regresia popisuje vzťah medzi X a podmienenými kvantilmi Y danými X = x. Táto práca obsahuje teóriu nevyhnutnú pre pochopenie vzťahu medzi štandardnou a kvantilovou regresiou a umožňu- júcu začlenenie takto získaných odhadov do väčšej skupiny M-odhadov. Výpočet koeficientu pre jed- notlivé kovariáty je prevedený Frisch-Newtnovým algoritmom, ktorý patrí k metódam lineárneho pro- gramovania. Taktiež si ukážeme, ako vedľajší produkt tohto algoritmu, takzvané regresné poradie je vypočítané a ako ho použiť pre testovanie hypotéz. V druhej časti budeme ilustrovať numerický výpočet pre kvantilovú regresiu ako...
|
|
|
Robust Monitoring Procedures for Dependent Data
Chochola, Ondřej ; Hušková, Marie (vedoucí práce) ; Antoch, Jaromír (oponent) ; Černíková, Alena (oponent)
Název práce: Robustní monitorovací procedury pro závislá data Autor: Ondřej Chochola Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Marie Hušková, DrSc. e-mail vedoucího: huskova@karlin.mff.cuni.cz Abstrakt: V práci se zabýváme sekvenční analýzou změn. Některé známé výsledky rozšíříme na robutní metody. Robustnost vzhledem k odlehlým pozorováním a pozorováním s těžkými chvosty je dosažena využitím M-odhadů místo klasických odhadů metodou nejmenších čtverců. Další rozšíření se týká mnohorozměrných a závislých dat. Uvažujeme slabě závislá data, přesněji data splňující α-mixing podmínky. Pro několik modelů jsou navrženy vhodné testové statistiky a jejich asymptotické chování je studováno za nulové hypotézy žádné změny, stejně jako za alternativ. Díky tomu můžeme odvodit vhodné kritické hodnoty a ukázat konzistenci testů. Taktéž uvádíme retrospektivní procedury, které umožnují ověření stability historických dat nutné pro sekvenční monitorování, analogickým robustním způsobem. Simulační studie potvrdila použitelnost navržených procedur i pro konečné vzorky dat. Taktéž je ukázána možná aplikace v modelu oceňování kapitálových...
|
|
|
Robust Monitoring Procedures for Dependent Data
Chochola, Ondřej ; Hušková, Marie (vedoucí práce) ; Antoch, Jaromír (oponent) ; Černíková, Alena (oponent)
Název práce: Robustní monitorovací procedury pro závislá data Autor: Ondřej Chochola Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Marie Hušková, DrSc. e-mail vedoucího: huskova@karlin.mff.cuni.cz Abstrakt: V práci se zabýváme sekvenční analýzou změn. Některé známé výsledky rozšíříme na robutní metody. Robustnost vzhledem k odlehlým pozorováním a pozorováním s těžkými chvosty je dosažena využitím M-odhadů místo klasických odhadů metodou nejmenších čtverců. Další rozšíření se týká mnohorozměrných a závislých dat. Uvažujeme slabě závislá data, přesněji data splňující α-mixing podmínky. Pro několik modelů jsou navrženy vhodné testové statistiky a jejich asymptotické chování je studováno za nulové hypotézy žádné změny, stejně jako za alternativ. Díky tomu můžeme odvodit vhodné kritické hodnoty a ukázat konzistenci testů. Taktéž uvádíme retrospektivní procedury, které umožnují ověření stability historických dat nutné pro sekvenční monitorování, analogickým robustním způsobem. Simulační studie potvrdila použitelnost navržených procedur i pro konečné vzorky dat. Taktéž je ukázána možná aplikace v modelu oceňování kapitálových...
|
|
|
Regression quantiles
Rusnák, Peter ; Kalina, Jan (vedoucí práce) ; Zvára, Karel (oponent)
Názov práce: Regresní kvantily Autor: Peter Rusnák Katedra / Ústav: Katedra pravděpodobnosti a matematické statistiky MFF UK Vedúci bakalárskej práce: RNDr. Jan Kalina, Ph.D. ,Ústav informatiky AV ČR Abstrakt: Kvantilová regresia je štatistická metóda slúžiaca na určovanie závislostí medzi premennými, ktorá bola navrhnutá už v článku Koenker a Bassett (1978). Od tej doby prešla veľkým rozvojom, keď boli študované jej teoretické vlastnosti, a zároveň si našla radu praktických aplikácii pri spracovaní reál- nych dát v najrôznejších oboroch. Kým bežná metóda najmenších štvorcov popisuje vzťah medzi jedným respektíve viacerými kovariátmi X a podmieneným priemerom odpovedajúcej premennej Y daným X = x, kvantilová regresia popisuje vzťah medzi X a podmienenými kvantilmi Y danými X = x. Táto práca obsahuje teóriu nevyhnutnú pre pochopenie vzťahu medzi štandardnou a kvantilovou regresiou a umožňu- júcu začlenenie takto získaných odhadov do väčšej skupiny M-odhadov. Výpočet koeficientu pre jed- notlivé kovariáty je prevedený Frisch-Newtnovým algoritmom, ktorý patrí k metódam lineárneho pro- gramovania. Taktiež si ukážeme, ako vedľajší produkt tohto algoritmu, takzvané regresné poradie je vypočítané a ako ho použiť pre testovanie hypotéz. V druhej časti budeme ilustrovať numerický výpočet pre kvantilovú regresiu ako...
|
|
|
Implementace a aplikace statistických metod ve výzkumu, výrobní technologii a řízení jakosti
Kupka, Karel ; Karpíšek, Zdeněk (vedoucí práce)
Práce se zabývá možnostmi použití moderních statistických postupů se zaměřením na robustní metody. Vybrané postupy jsou analyzovány a aplikovány na častých problémech z praxe v českém průmyslu a technologii. Studovaná témata, metody a algoritmy jsou voleny tak, aby byla přínosem v reálných aplikacích ve srovnání s používanými klasickými metodami. Použitelnost a účinnost algoritmů je ověřena a demonstrována na reálných studiích a problémech z výzkumného prostředí českých průmyslových subjektů. V práci je poukázáno na nevyužitý potenciál současné teoreticko-matematické a výpočetní kapacity a nových přístupů k chápání statistických modelů a metod. Výsledkem práce je rovněž původní vývojové prostředí s programovacím jazykem DARWin (Data Analysis Robot for Windows) pro intenzivní využití efektivních numerických postupů pro získávání informací z dat. Práce je impulsem pro širší využití robustních a numericky, nebo výpočetně náročnějších metod, jako jsou neuronové sítě, pro modelování procesů a kontrolu kvality.
|
|
|
Implementace a aplikace statistických metod ve výzkumu, výrobní technologii a řízení jakosti
Kupka, Karel ; Šeda, Miloš (oponent) ; Militký, Jiří (oponent) ; Dohnal, Gejza (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Práce se zabývá možnostmi použití moderních statistických postupů se zaměřením na robustní metody. Vybrané postupy jsou analyzovány a aplikovány na častých problémech z praxe v českém průmyslu a technologii. Studovaná témata, metody a algoritmy jsou voleny tak, aby byla přínosem v reálných aplikacích ve srovnání s používanými klasickými metodami. Použitelnost a účinnost algoritmů je ověřena a demonstrována na reálných studiích a problémech z výzkumného prostředí českých průmyslových subjektů. V práci je poukázáno na nevyužitý potenciál současné teoreticko-matematické a výpočetní kapacity a nových přístupů k chápání statistických modelů a metod. Výsledkem práce je rovněž původní vývojové prostředí s programovacím jazykem DARWin (Data Analysis Robot for Windows) pro intenzivní využití efektivních numerických postupů pro získávání informací z dat. Práce je impulsem pro širší využití robustních a numericky, nebo výpočetně náročnějších metod, jako jsou neuronové sítě, pro modelování procesů a kontrolu kvality.
|
host ::
RSS.