|
|
Aplikace pro zpracování dat z oblasti evoluční biologie
Vogel, Ivan ; Burgetová, Ivana (oponent) ; Očenášek, Pavel (vedoucí práce)
Tvorba fylogenetických stromů je v současnosti běžnou vizualizační metodou na vyjádření evolučních vztahů druhů. Tato práce se soustředí na vysvětlení matematické teorie popisující molekulární fylogenetiku a na návrh modifikovaného algoritmu na odvozování evolučního stromu založeného na vnitroskupinové analýze nukleotidových a aminokyselinových sekvencí. Dále popisuje objektový návrh a implementaci těchto metod v jazyce Python a integraci nástroje do velkého bioinformatického portálu. Navžená řešení dávají lepší výsledky oproti konvenčním metodám při zhlukování předdefinovaných shluků a jsou co do vstupních dat široce použitelné. Práce také závěrem diskutuje možné jiné aplikace navrhnutých metod a ich rozšíření na iné obory informačních technologií.
|
|
|
Tvorba spolehlivostních modelů pro pokročilé číslicové systémy
Trávníček, Jan ; Drábek, Vladimír (oponent) ; Kaštil, Jan (vedoucí práce)
Tato práce se zabývá problematikou spolehlivosti systémů. Nejprve je zde diskutován samotný pojem spolehlivosti a její ukazatele, kterými spolehlivost můžeme konkrétně vyjadřovat. V~další kapitole jsou popsány možné spolehlivostní modely pro jednoduché a složitější systémy. Dále jsou zde popsány základní postupy pro tvorbu spolehlivostních modelů. Čtvrtá kapitola je věnována velmi důležitým markovským modelům. Markovské modely jsou velmi silným a komplexním nástrojem pro výpočet spolehlivosti složitých systému. Je zde vysvětlena vhodnost jejich použití pro obnovované systémy, které mohou obsahovat absorpční stavy. Další kapitola popisuje zálohu systému. Diskutuje výhody a nevýhody statické, dynamické a hybridní zálohy. Také je zde popsán vliv různé úrovně zatížení na životnost součástek. Šestá kapitola je věnována implementaci, popisu aplikace a vstupního souboru ve formátu XML. Jsou zde také diskutovány naměřené výsledky získané při experimentálních výpočtech.
|
|
|
Predikce v projektech s využitím Markovských řetězců
Doležal, Jan ; Buřita, Ladislav (oponent) ; Kreslíková, Jitka (oponent) ; Lacko, Branislav (vedoucí práce)
Tato práce se zabývá možnostmi predikce budoucího vývoje projektů a možnostmi podpory pro rozhodování manažerů takových projektů, což je velmi aktuální téma v současném turbulentním prostředí. Projekt je v rámci této práce chápan jako stochastický proces s diskrétními stavy a diskrétním časem, což je v realitě reprezentováno diskrétními časovými okamžiky zjišťování stavu projektu. Projekt je přirovnám ke konečnému automatu a následně je využit matematický aparát Markovských řetězců. V návrhové části práce je vytvořen stavový model projektu odvozený od stavů metody sledování projektu Earned Value Management a jsou odvozeny pravděpodobnosti přechodu mezi jednotlivými stavy. Následně jsou odvozeny způsoby úprav takového modelu na konkrétní podmínky tak, aby model co nejvěrněji reprezentoval konkrétní situaci. V rámci experimentálního ověření jsou odvozené návrhy za účelem ověření testovány v různých situacích, které mohou během projektů nastat.
|
|
|
Markovské procesy (analytický a pravděpodobnostní přístup)
Nováková, Eva ; Janák, Josef (vedoucí práce) ; Maslowski, Bohdan (oponent)
Bakalářská práce se věnuje základům teorie markovských řetězců. První čtyři kapitoly seznamují čtenáře se základními pojmy a tvrzeními o markovských řetězcích, jak se spojitou, tak s diskrétní množinou stavů, ve spojitém i diskrétním čase. V poslední kapitole jsou uvedeny základní příklady jednotlivých typů markovských řetězců. Závěr popisuje souvislosti mezi typy markovských řetězců, zda a jak si jednotlivé definice odpovídají.
|
|
|
Silně stacionární časy a konvergence Markovských řetězců
Suk, Luboš ; Prokešová, Michaela (vedoucí práce) ; Kříž, Pavel (oponent)
V této práci si ukážeme, jak se dá odhadovat rychlost konvergence markovských řetězců k jejich stacionárnímu rozdělení. Budeme k tomu používat metodu využívající silně stacionárních časů. Zaměříme se pouze na nerozložitelné a aperiodické řetězce, u kterých máme zaručenou existenci právě jednoho sta- cionárního rozdělení. Zavedeme si čas mixingu markovského řetězce neboli čas potřebný k tomu, aby marginální rozdělení řetězce bylo dostatečně blízko stacionárnímu. K měření vzdálenosti mezi rozděleními budeme v této práci používat vzdálenost v totální variaci. Hlavním cílem práce bude pro vybrané řetězce zkonstruovat vhodný silně stacionární čas a ten pak použít k nalezení horního odhadu času mixingu.
|
|
|
Míchající procesy nad konečnou abecedou
Vostal, Ondřej ; Kupsa, Michal (vedoucí práce) ; Dostál, Petr (oponent)
Výkladem teorie mixingu náhodných procesů směřujeme k rozdělení obecných procesů, markovských řetězců a markovských řetězců nad konečnou abecedou do skupin různě mixujících procesů. Výklad doplňujeme příklady. Ukazujeme, že pro obecné procesy jsou tyto skupiny různé, pro markovské řetězce některé splývají a pro markovské řetězce nad konečnou abecedou splývají všechny. Powered by TCPDF (www.tcpdf.org)
|
|
|
Scenario structures in multistage stochastic programs
Harcek, Milan ; Kopa, Miloš (vedoucí práce) ; Branda, Martin (oponent)
Práce se věnuje úlohám vícestupňového stochastického programování v kontextu různých způsobů reprezentace náhodného procesu. Základní formou reprezentace náhodného procesu je scénářový strom. V práci jsou popsány vlastnosti obecného a po stupních nezávislého scenářového stromu. Scenářové stromy jsou nakonec kombinovány s markovskými řetězci, které popisují stav systému a určují tak, který scénářový strom se má použít. V práci je popsaná taky scénářová mřížka, která umožňuje redukovat komplexitu oproti obecné verzi scénářového stromu. Scenářové stromy jsou generovány metodou momentů. Pomocí scénářových stromů jsou reprezentovány náhodné výnosy, které vstupují do optimalizačního problému privátního investora.
|
|
|
Scenario structures in multistage stochastic programs
Harcek, Milan ; Kopa, Miloš (vedoucí práce) ; Branda, Martin (oponent)
Práce se věnuje úlohám vícestupňového stochastického programování v kontextu různých způsobů reprezentace náhodného procesu. Základní formou reprezentace náhodného procesu je scénářový strom. V práci jsou popsány vlastnosti obecného a po stupních nezávislého scenářového stromu. Dále je rozebrán případ scénářového stromu závislého na stavech markovského řetězce. Stavy markovského řetězce reprezentují období krize a období bez krize. Nakonec je, pomocí informace o historickém počtu krizových období, použita scénářová mřížka. Scénáře pro scénářové stromy jsou generovány metodou momentů. Scénářové struktury jsou použity jako vstup do optimalizačního problému privátního investora.
|
|
|
The Stigler-Luckock model for a limit order book
Fornůsková, Monika ; Swart, Jan (vedoucí práce) ; Večeř, Jan (oponent)
STIGLERŮV LUCKOCKŮV MODEL PRO LIMIT ORDER BOOK Abstrakt Jednou z kategorií dnešních finančních trhů jsou takzvané order-driven markety, je- jichž hlavní součástí jsou databáze (tzv. order book) všech příchozích nabídek (tzv. or- derů) na nákup a prodej. Hlavním cílem této práce je rozšíření Stiglerova Luckockova modelu pro order booky, abychom získali lepší vhled do procesu tvorby ceny a také chování samotných účastníků trhu. V této práci si ukážeme model, který se zaměřuje na porovnávání různých typů strategií tzv. market makerů, což jsou sofistikovaní ob- chodníci, kteří profitují z extenzivního obchodování na trhu. Trh je popsán pomocí Markovských řetězců a různé strategie jsou porovnávány pomocí Monte Carlo simulací a teorie her. Výsledky ukázaly, že ordery market makerů by měly mít malý spread a velké objemy. Finální model porovnává vždy dvě různé strategie, ve kterých market makeři pozorují své portfolio, a v případě zjištění, že mají více peněz než assetu (nebo naopak), změní a posunou ceny svých orderů ve snaze vyrovnat své portfolio. Tento finální model nakonec doporučil, aby market makeři kontrolovali své portfolio často, ale aby se chovali s rozvahou, tj. aby neměnili ceny moc...
|
|
|
Monte Carlo Pottsův model
Vlachovský, Karel ; Beneš, Viktor (vedoucí práce) ; Dvořák, Jiří (oponent)
Pottsův model je zobecněním Isingova modelu využívaným ve statistické me- chanice. Cílem práce je generovat z rozdělení daného tímto modelem. To nelze přímo, neboť stavový prostor je příliš velký, a proto se využívá Monte Carlo simulace pomocí markovského řetězce, který má Pottsovo rozdělení jako stacio- nární. V práci se porovnávají Gibbsův výběrový plán, Metropolisův algoritmus, Swendsen-Wangův algoritmus a hlavně je představen nový algoritmus míchání. Odvodíme, že všechny algoritmy jsou stejnoměrně ergodické. Implementujeme dané algoritmy a ukážeme, že pro vyšší hodnoty parametru teploty u Pottsova modelu jsou použitelné pouze algoritmus míchání a Swendsen-Wangův algorit- mus. 1
|
host ::
RSS.