|
|
Overcomplete Mathematical Models with Applications
Tonner, Jaromír ; Witkovský,, Viktor (referee) ; Martišek, Dalibor (referee) ; Rajmic, Pavel (referee) ; Veselý, Vítězslav (advisor)
Chen, Donoho a Saunders (1998) studují problematiku hledání řídké reprezentace vektorů (signálů) s použitím speciálních přeurčených systémů vektorů vyplňujících prostor signálu. Takovéto systémy (někdy jsou také nazývány frejmy) jsou typicky vytvořeny buď rozšířením existující báze, nebo sloučením různých bazí. Narozdíl od vektorů, které tvoří konečně rozměrné prostory, může být problém formulován i obecněji v rámci nekonečně rozměrných separabilních Hilbertových prostorů (Veselý, 2002b; Christensen, 2003). Tento funkcionální přístup nám umožňuje nacházet v těchto prostorech přesnější reprezentace objektů, které, na rozdíl od vektorů, nejsou diskrétní. V této disertační práci se zabývám hledáním řídkých representací v přeurčených modelech časových řad náhodných veličin s konečnými druhými momenty. Numerická studie zachycuje výhody a omezení tohoto přístupu aplikovaného na zobecněné lineární modely a na vícerozměrné ARMA modely. Analýzou mnoha numerických simulací i modelů reálných procesů můžeme říci, že tyto metody spolehlivě identifikují parametry blízké nule, a tak nám umožňují redukovat původně špatně podmíněný přeparametrizovaný model. Tímto významně redukují počet odhadovaných parametrů. V konečném důsledku se tak nemusíme starat o řády modelů, jejichž zjišťování je většinou předběžným krokem standardních technik. Pro kratší časové řady (100 a méně vzorků) řídké odhady dávají lepší predikce v porovnání s těmi, které jsou založené na standardních metodách (např. maximální věrohodnosti v MATLABu - MATLAB System Identification Toolbox (IDENT)). Pro delší časové řady (500 a více) obě techniky dávají v podstatě stejně přesné predikce. Na druhou stranu řešení těchto problémů je náročnější, a to i časově, nicméně výpočetní doba je stále přijatelná.
|
|
|
Statistical Classification by means of generalized linear models
Sladká, Vladimíra ; Mrázková, Eva (referee) ; Michálek, Jaroslav (advisor)
The goal of this thesis is introduce the theory of generalized linear models, namely probit and logit model. This models are especially used for medical data processing. In our concrete case these mentioned models are applied to data file obtained in teaching hospital Brno. The aim is statically analyzed immune response of child patients in dependence of twelve selected types of genes and find out which combinations of these genes influence septic state of patients.
|
|
|
ADVANCED REGRESSION MODELS
Rosecký, Martin ; Popela, Pavel (referee) ; Bednář, Josef (advisor)
This thesis summarizes latest findings about municipal solid waste (MSW) modelling. These are used to solve multivariable version of inverse prediction problem. It is not possible to solve such problem analytically, so heuristic framework using regression models and data reconciliation was developed. As a side product, models for MSW modelling using PCA (Principal Component Analysis) and LM (Linear Model) were created. These were compared with heuristic model called RF (Random Forest). Both of these models were also used for per capita MSW modelling. Theoretical parts about generalized linear models, data reconciliation and nonlinear programming are also included.
|
|
|
Generalized estimating equaitons
Sotáková, Martina ; Omelka, Marek (advisor) ; Antoch, Jaromír (referee)
In this thesis we are interested in generalized estimating equations (GEE). First, we introduce the term of generalized linear model, on which generalized estimating equations are based. Next we present the methos of pseudo maximum likelyhood and quasi-pseudo maximum likelyhood, from which we move on to the methods of generalized estimating equations. Finally, we perform simulation studies, which demonstrates the theoretical results presented in the thesis. 1
|
|
|
ADVANCED REGRESSION MODELS
Rosecký, Martin ; Popela, Pavel (referee) ; Bednář, Josef (advisor)
This thesis summarizes latest findings about municipal solid waste (MSW) modelling. These are used to solve multivariable version of inverse prediction problem. It is not possible to solve such problem analytically, so heuristic framework using regression models and data reconciliation was developed. As a side product, models for MSW modelling using PCA (Principal Component Analysis) and LM (Linear Model) were created. These were compared with heuristic model called RF (Random Forest). Both of these models were also used for per capita MSW modelling. Theoretical parts about generalized linear models, data reconciliation and nonlinear programming are also included.
|
|
|
Aggregate loss models with dependent frequency and severity
Čápová, Petra ; Mazurová, Lucie (advisor) ; Zichová, Jitka (referee)
In non-life insurance, the independence between the number and size of claims is usually assumed. However, this thesis shows that the assumption of independence can be omitted. We deal with the dependency modeling between frequency and severity of claims. For including the dependence to the total claims model, we consider two methods. The first method uses generalized linear models and the second method used in the thesis is based on dependence modeling by copulas. We also perform a model with independent frequency and severity of claims. This model is compared with the described methods in the simulation part of the thesis. We include dependency on explanatory (rating) variables in all of these models. 1
|
|
|
Pricing in non-life insurance
Ondrušková, Markéta ; Mertl, Jakub (advisor) ; Mazurová, Lucie (referee)
The aim of this thesis is to determine the premium of motor third party liability insurance. Thesis explores both direct approach to premium cal- culation and calculation using separately calculated claims frequency and claims severity. Emphasis is put on the use of generalized linear models whose theory is also present. Described approaches to calculation are applied on real world data, compared with each other and then final model for premium calculation is selec- ted. Premium is determined with the inclusion of IBNR reserves and expenses. Keywords: generalized linear model, claims frequency, claims severity, net pre- mium, gross premium, motor third party liability insurance, bonus-malus. 1
|
|
|
Variability estimation of development triangles in nonlife insurance
Havlíková, Tereza ; Branda, Martin (advisor) ; Mazurová, Lucie (referee)
The aim of this thesis is to describe calculation methods for variability esti- mation of claims reserve in non-life insurance. The thesis focuses on three main categories of models: Mack's stochastic Chain-Ladder, generalized linear models and bootstrap. Both the theoretical and also the empirical parts are included. Empirical part is devoted to application of all the models described above on both real and simulated data. 1
|
|
|
Traditional and modern approaches to pricing in nonlife insurance
Vojtěch, Jonáš ; Branda, Martin (advisor) ; Mazurová, Lucie (referee)
Title: Traditional and modern approaches to pricing in nonlife insurance Abstract: This thesis deals with the theory and implementation of generalized linear models in the area of pricing of non-life insurance and subsequent optimalization of rates. Using the generalized linear models it is possible to estimate expected value and variance of compound distribution of total claims made according to insurance policy during definite time period. The next step is to build an optimalization model and describe several methods how to determine rates that lead to optimal distribution of safety margins within insurance policies in particular risk groups. Represented approaches how to calculate insurance premiums are numerically illustrated on simulated data in concluding parts of the thesis.
|
|
|
Overcomplete Mathematical Models with Applications
Tonner, Jaromír ; Witkovský,, Viktor (referee) ; Martišek, Dalibor (referee) ; Rajmic, Pavel (referee) ; Veselý, Vítězslav (advisor)
Chen, Donoho a Saunders (1998) studují problematiku hledání řídké reprezentace vektorů (signálů) s použitím speciálních přeurčených systémů vektorů vyplňujících prostor signálu. Takovéto systémy (někdy jsou také nazývány frejmy) jsou typicky vytvořeny buď rozšířením existující báze, nebo sloučením různých bazí. Narozdíl od vektorů, které tvoří konečně rozměrné prostory, může být problém formulován i obecněji v rámci nekonečně rozměrných separabilních Hilbertových prostorů (Veselý, 2002b; Christensen, 2003). Tento funkcionální přístup nám umožňuje nacházet v těchto prostorech přesnější reprezentace objektů, které, na rozdíl od vektorů, nejsou diskrétní. V této disertační práci se zabývám hledáním řídkých representací v přeurčených modelech časových řad náhodných veličin s konečnými druhými momenty. Numerická studie zachycuje výhody a omezení tohoto přístupu aplikovaného na zobecněné lineární modely a na vícerozměrné ARMA modely. Analýzou mnoha numerických simulací i modelů reálných procesů můžeme říci, že tyto metody spolehlivě identifikují parametry blízké nule, a tak nám umožňují redukovat původně špatně podmíněný přeparametrizovaný model. Tímto významně redukují počet odhadovaných parametrů. V konečném důsledku se tak nemusíme starat o řády modelů, jejichž zjišťování je většinou předběžným krokem standardních technik. Pro kratší časové řady (100 a méně vzorků) řídké odhady dávají lepší predikce v porovnání s těmi, které jsou založené na standardních metodách (např. maximální věrohodnosti v MATLABu - MATLAB System Identification Toolbox (IDENT)). Pro delší časové řady (500 a více) obě techniky dávají v podstatě stejně přesné predikce. Na druhou stranu řešení těchto problémů je náročnější, a to i časově, nicméně výpočetní doba je stále přijatelná.
|
guest ::
