Hlavní stránka > Výsledky hledání: keywords:"model-based clustering|MCMC|longitudinal data|GLMM|mixed type"
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.00 vteřin. 
Model-based Clustering of Multivariate Longitudinal Data of a Mixed Type
 Vávra, Jan ; Komárek, Arnošt (vedoucí práce) ; Frühwirth-Schnatter, Sylvia (oponent) ; Hlávka, Zdeněk (oponent)
Modelově založené shlukování vícerozměrných longitudinálních dat smíšeného typu Jan Vávra 3. října 2022 Abstrakt Mnoho dnešních studií sbírá data opakovaně na těch samých jedin- cích po předem vymezenou časovou dobu. Takto vzniklá longitudinální data jsou navíc často tvořena číselnými, čítacími, binárními, ordinálními nebo obecně kategoriálními hodnotami. Je zde navrženo několik variant statistických modelů schopných modelovat takováto často velmi korelo- vaná data sdruženě. Metodologie modelově založeného shlukování je zde použita pro odhalení skryté heterogenity v datech tím, že jedince roztřídí do několika skupin specifických vlastností. Generativní model je zde vy- tvořen za bayesovského přístupu a jsou zde vyvinuty MCMC metody pro jeho odhad. Vlastnosti stvořených odhadů jsou podrobeny simulační stu- dii. Vyvinutá metodologie je aplikovaná na problémy z reálného prostředí, např. data z lékařské studie o pacientech trpících primární biliární cho- langitidou (PBC) či ekonomický dataset o tisících českých domácnostech sledovaných od roku 2005 (databáze EU-SILC). 1
Úplný záznam
Model-based Clustering of Multivariate Longitudinal Data of a Mixed Type
 Vávra, Jan ; Komárek, Arnošt (vedoucí práce)
Modelově založené shlukování vícerozměrných longitudinálních dat smíšeného typu Jan Vávra 3. října 2022 Abstrakt Mnoho dnešních studií sbírá data opakovaně na těch samých jedin- cích po předem vymezenou časovou dobu. Takto vzniklá longitudinální data jsou navíc často tvořena číselnými, čítacími, binárními, ordinálními nebo obecně kategoriálními hodnotami. Je zde navrženo několik variant statistických modelů schopných modelovat takováto často velmi korelo- vaná data sdruženě. Metodologie modelově založeného shlukování je zde použita pro odhalení skryté heterogenity v datech tím, že jedince roztřídí do několika skupin specifických vlastností. Generativní model je zde vy- tvořen za bayesovského přístupu a jsou zde vyvinuty MCMC metody pro jeho odhad. Vlastnosti stvořených odhadů jsou podrobeny simulační stu- dii. Vyvinutá metodologie je aplikovaná na problémy z reálného prostředí, např. data z lékařské studie o pacientech trpících primární biliární cho- langitidou (PBC) či ekonomický dataset o tisících českých domácnostech sledovaných od roku 2005 (databáze EU-SILC). 1
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English