|
|
Median in some statistical methods
Bejda, Přemysl ; Cipra, Tomáš (vedoucí práce) ; Hlávka, Zdeněk (oponent) ; Víšek, Jan Ámos (oponent)
Median pro různé statistické metody Abstrakt: V této práci se zaměřujeme na využití robustních vlastností mediánu. Pro algoritmy, které jsou v práci navržené, zkoumáme jejich breakdown point, ale i další vlastnosti jako konsistenci (silnou nebo slabou), ekvivarianci a výpočetní složitost. Z praktických důvodů hledáme především metody, které se snaží najít rovnováhu mezi výpočetní složitostí a dobrými robustními vlastnostmi, protože tyto vlastnosti obvykle stojí proti sobě. Disertace je rozdělena do dvou částí. V první části navrhujeme robustní metody na bázi exponenciálního vyrovnávání. Nejprve zobecňujeme dřívější výsledky pro exponenciální vyrovnávání v absolutní normě s využitím. regresních kvantyů. Dále navrhu- jeme metodu založenou na znaménkovém testu, která se snaží vypořádat nejen s odlehlými pozorováními, ale i detekovat čas změny modelu. V druhé části navrhujeme nové odhady parametru polohy. Konstruujeme je tak, ze nejprve najdeme množinu robustních bodů okolo geometrického mediánu, tuto množiinu dále rozšiřujeme a z bodů této množiny počítáme iterativně vážený průměrr. Díky tomu získáme robustní odhad ve smyslu breakdown pointu, který využívá více informace z pozorovaných...
|
|
|
Median in some statistical methods
Bejda, Přemysl ; Cipra, Tomáš (vedoucí práce)
Median pro různé statistické metody Abstrakt: V této práci se zaměřujeme na využití robustních vlastností mediánu. Pro algoritmy, které jsou v práci navržené, zkoumáme jejich breakdown point, ale i další vlastnosti jako konsistenci (silnou nebo slabou), ekvivarianci a výpočetní složitost. Z praktických důvodů hledáme především metody, které se snaží najít rovnováhu mezi výpočetní složitostí a dobrými robustními vlastnostmi, protože tyto vlastnosti obvykle stojí proti sobě. Disertace je rozdělena do dvou částí. V první části navrhujeme robustní metody na bázi exponenciálního vyrovnávání. Nejprve zobecňujeme dřívější výsledky pro exponenciální vyrovnávání v absolutní normě s využitím. regresních kvantyů. Dále navrhu- jeme metodu založenou na znaménkovém testu, která se snaží vypořádat nejen s odlehlými pozorováními, ale i detekovat čas změny modelu. V druhé části navrhujeme nové odhady parametru polohy. Konstruujeme je tak, ze nejprve najdeme množinu robustních bodů okolo geometrického mediánu, tuto množiinu dále rozšiřujeme a z bodů této množiny počítáme iterativně vážený průměrr. Díky tomu získáme robustní odhad ve smyslu breakdown pointu, který využívá více informace z pozorovaných...
|
|
|
Poloprostorový medián
Říha, Adam ; Nagy, Stanislav (vedoucí práce) ; Hlubinka, Daniel (oponent)
V této práci zavedeme tzv. poloprostorový medián, který je jednou z možností, jak rozšířit klasický medián z jednorozměrného prostoru do pro- storů o více dimenzích. Nejprve se věnujeme poloprostorové hloubce, což je zob- razení, které každému bodu přiřazuje infimum pravděpodobnosti přes všechny poloprostory obsahující daný bod. Dále pomocí hloubky poloprostorový medián zadefinujeme a ukážeme si jeho existenci. Částečně se také věnujeme speciálním druhům měr symetrie konvexních množin a náhodných vektorů a tomu, co z nich pro poloprostorový medián plyne, jako například kdy se medián shoduje s centrem symetrie. Studujeme též meze, které za jistých předpokladů hloubku ohraničují. Dále zde studujeme postačující podmínky pro nabývání poloprostorového medi- ánu, které stanovuje tzv. věta o vektorové bázi. Nakonec nahlížíme podobnosti dané problematiky s konvexní geometrií.
|
|
|
Median in some statistical methods
Bejda, Přemysl ; Cipra, Tomáš (vedoucí práce) ; Hlávka, Zdeněk (oponent) ; Víšek, Jan Ámos (oponent)
Median pro různé statistické metody Abstrakt: V této práci se zaměřujeme na využití robustních vlastností mediánu. Pro algoritmy, které jsou v práci navržené, zkoumáme jejich breakdown point, ale i další vlastnosti jako konsistenci (silnou nebo slabou), ekvivarianci a výpočetní složitost. Z praktických důvodů hledáme především metody, které se snaží najít rovnováhu mezi výpočetní složitostí a dobrými robustními vlastnostmi, protože tyto vlastnosti obvykle stojí proti sobě. Disertace je rozdělena do dvou částí. V první části navrhujeme robustní metody na bázi exponenciálního vyrovnávání. Nejprve zobecňujeme dřívější výsledky pro exponenciální vyrovnávání v absolutní normě s využitím. regresních kvantyů. Dále navrhu- jeme metodu založenou na znaménkovém testu, která se snaží vypořádat nejen s odlehlými pozorováními, ale i detekovat čas změny modelu. V druhé části navrhujeme nové odhady parametru polohy. Konstruujeme je tak, ze nejprve najdeme množinu robustních bodů okolo geometrického mediánu, tuto množiinu dále rozšiřujeme a z bodů této množiny počítáme iterativně vážený průměrr. Díky tomu získáme robustní odhad ve smyslu breakdown pointu, který využívá více informace z pozorovaných...
|
|
|
Median in some statistical methods
Bejda, Přemysl ; Cipra, Tomáš (vedoucí práce)
Median pro různé statistické metody Abstrakt: V této práci se zaměřujeme na využití robustních vlastností mediánu. Pro algoritmy, které jsou v práci navržené, zkoumáme jejich breakdown point, ale i další vlastnosti jako konsistenci (silnou nebo slabou), ekvivarianci a výpočetní složitost. Z praktických důvodů hledáme především metody, které se snaží najít rovnováhu mezi výpočetní složitostí a dobrými robustními vlastnostmi, protože tyto vlastnosti obvykle stojí proti sobě. Disertace je rozdělena do dvou částí. V první části navrhujeme robustní metody na bázi exponenciálního vyrovnávání. Nejprve zobecňujeme dřívější výsledky pro exponenciální vyrovnávání v absolutní normě s využitím. regresních kvantyů. Dále navrhu- jeme metodu založenou na znaménkovém testu, která se snaží vypořádat nejen s odlehlými pozorováními, ale i detekovat čas změny modelu. V druhé části navrhujeme nové odhady parametru polohy. Konstruujeme je tak, ze nejprve najdeme množinu robustních bodů okolo geometrického mediánu, tuto množiinu dále rozšiřujeme a z bodů této množiny počítáme iterativně vážený průměrr. Díky tomu získáme robustní odhad ve smyslu breakdown pointu, který využívá více informace z pozorovaných...
|
host ::
RSS.