|
|
Model with Weibull responses
Konečná, Tereza ; Karpíšek, Zdeněk (referee) ; Hübnerová, Zuzana (advisor)
Tato diplomová práce se zabývá Weibullovými modely, přesněji dvouparametrickým Weibullovým rozdělením. Práce se zabývá odhady parametrů, a to čtyřmi variantami kvantilové metody, metodou maximální věrohodnosti a grafickou metodou Weibullova pravděpodobnostního grafu. Je uvedeno odvození odhadu parametrů pro jednovýběrovou analýzu rozptylu pro Weibullovo rozdělení. Jsou zde odvozeny vztahy pro model s konstantním parametrem alfa, s konstantním parametrem beta a s oběma konstantními parametry. Také jsou uvedeny testové statistiky pro rušivé parametry - skórový test, Waldův test a test založený na věrohodnostním poměru. V poslední kapitole je provedena aplikace jednotlivých představených metod. Srovnání metod je ukázáno pomocí grafů, histogramů a tabulek. Metody jsou naprogramovány v~softwaru R. Jejich funkčnost a vlastnosti jsme ověřili na dvou simulovaných souborech dat. Diplomová práce je zakončena příkladem tří simulovaných náhodných výběrů, na kterých byla provedena analýza pomocí zavedených metod.
|
|
|
Maximum likelihood estimators in time series
Tritová, Hana ; Pawlas, Zbyněk (advisor) ; Zikmundová, Markéta (referee)
The thesis deals with maximum likelihood estimators in time series. The reader becomes familiar with three important models for time series: autoregressive model (AR), moving average model (MA) and autoregressive moving average (ARMA). Thereafter he can find out the form of their main characteristics, e.g. population mean and variance. Then there is the derivation of parameter estimates - generally and for mentioned models of times series. There are also stated two other methods for finding estimators of AR(1) and MA(1) parameters - method of moments and least squares method. The end is dedicated to examples which compares all three methods.
|
|
|
Statistical Analysis of Sample with Small Size
Holčák, Lukáš ; Hübnerová, Zuzana (referee) ; Karpíšek, Zdeněk (advisor)
This diploma thesis is focused on the analysis of small samples where it is not possible to obtain more data. It can be especially due to the capital intensity or time demandingness. Where the production have not a wherewithall for the realization more data or absence of the financial resources. Of course, analysis of small samples is very uncertain, because inferences are always encumbered with the level of uncertainty.
|
|
| |
guest ::
