Národní úložiště šedé literatury Nalezeno 10 záznamů.  Hledání trvalo 0.00 vteřin. 
Fitování rozdělení pravděpodobnosti pro aplikace
Pavlíčková, Lenka ; Bednář, Josef (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce popisuje metodu bootstrap a její použití pro tvorbu konfidenčních intervalů, při testování statistických hypotéz a v regresní analýze. Představujeme konfidenční interval pro individuální hodnotu. Dále se zaobíráme metodou odhadu diskrétního rozdělení pravděpodobnosti kategoriální veličiny pomocí gradientního a přímkového odhadu.
Metoda bootstrap a její aplikace
Pavlíčková, Lucie ; Lacinová, Veronika (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce popisuje metodu bootstrap a její použití pro určení přesnosti odhadu, tvorbu konfidenčních intervalů a testování statistických hypotéz. Dále je předložena metoda odhadu diskrétního rozdělení pravděpodobnosti kategoriální veličiny využívající gradient kvazinormy tohoto rozdělení. Metoda bootstrap je v konkrétních příkladech aplikována k získání konfidenčního intervalu pravděpodobnostní funkce kategoriální veličiny. Diplomová práce je součástí řešení projektu MŠMT České republiky čís. 1M06047 "Centrum pro jakost a spolehlivost výroby", projektu Grantové agentury České republiky reg. čís. 103/08/1658 "Pokročilá optimalizace návrhu složených betonových konstrukcí" a výzkumného záměru MŠMT České republiky čís. MSM0021630519 "Progresivní spolehlivé a trvanlivé nosné stavební konstrukce".
Odhady diskrétních rozdělení pravděpodobnosti pro aplikace
Mašek, Jakub ; Lacinová, Veronika (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce je zaměřena na řešení statistického problému nalezení rozdělení pravděpodobnosti diskrétní náhodné veličiny na základě pozorovaných dat. Tyto odhady jsou získány minimalizací pseudokvazinormy, která je zde zavedena. Práce se zabývá vlastnostmi této pseudokvazinormy. Obsahuje také praktickou aplikaci této metody.
Kvazinormy diskrétních rozdělení pravděpodobnosti a jejich aplikace
Šácha, Jakub ; Michálek, Jaroslav (oponent) ; Dohnal, Gejza (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Disertační práce je zaměřena na řešení statistického problému nalezení rozdělení pravděpodobnosti diskrétní náhodné veličiny na základě pozorovaných dat. Tyto odhady jsou získány minimalizací kvazinorem za předem daných omezujících podmínek kladených na hledaná rozdělení. Práce se dále zabývá odvozením intervalů spolehlivosti pro odhadované pravděpodobnosti. Obsahuje také praktické aplikace těchto metod.
Odhady diskrétního rozložení pravděpodobnosti a bootstrap
Lacinová, Veronika ; Briš, Radim (oponent) ; Vávra, František (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Dizertační práce se zabývá netradičními odhady diskrétního rozdělení pravděpodobnosti kategoriální veličiny z jejích pozorovaných hodnot. Při odhadech se využívá gradientu kvazinormy tohoto rozdělení pravděpodobnosti a tzv. přímkového odhadu. Zpřesnění gradientních odhadů bylo provedeno metodou bootstrap. Teoretické výsledky jsou pro vybrané kvazinormy ilustrovány na konkrétních příkladech.
Odhady diskrétních rozdělení pravděpodobnosti pro aplikace
Mašek, Jakub ; Lacinová, Veronika (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce je zaměřena na řešení statistického problému nalezení rozdělení pravděpodobnosti diskrétní náhodné veličiny na základě pozorovaných dat. Tyto odhady jsou získány minimalizací pseudokvazinormy, která je zde zavedena. Práce se zabývá vlastnostmi této pseudokvazinormy. Obsahuje také praktickou aplikaci této metody.
Odhady diskrétního rozložení pravděpodobnosti a bootstrap
Lacinová, Veronika ; Briš, Radim (oponent) ; Vávra, František (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Dizertační práce se zabývá netradičními odhady diskrétního rozdělení pravděpodobnosti kategoriální veličiny z jejích pozorovaných hodnot. Při odhadech se využívá gradientu kvazinormy tohoto rozdělení pravděpodobnosti a tzv. přímkového odhadu. Zpřesnění gradientních odhadů bylo provedeno metodou bootstrap. Teoretické výsledky jsou pro vybrané kvazinormy ilustrovány na konkrétních příkladech.
Kvazinormy diskrétních rozdělení pravděpodobnosti a jejich aplikace
Šácha, Jakub ; Michálek, Jaroslav (oponent) ; Dohnal, Gejza (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Disertační práce je zaměřena na řešení statistického problému nalezení rozdělení pravděpodobnosti diskrétní náhodné veličiny na základě pozorovaných dat. Tyto odhady jsou získány minimalizací kvazinorem za předem daných omezujících podmínek kladených na hledaná rozdělení. Práce se dále zabývá odvozením intervalů spolehlivosti pro odhadované pravděpodobnosti. Obsahuje také praktické aplikace těchto metod.
Fitování rozdělení pravděpodobnosti pro aplikace
Pavlíčková, Lenka ; Bednář, Josef (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce popisuje metodu bootstrap a její použití pro tvorbu konfidenčních intervalů, při testování statistických hypotéz a v regresní analýze. Představujeme konfidenční interval pro individuální hodnotu. Dále se zaobíráme metodou odhadu diskrétního rozdělení pravděpodobnosti kategoriální veličiny pomocí gradientního a přímkového odhadu.
Metoda bootstrap a její aplikace
Pavlíčková, Lucie ; Lacinová, Veronika (oponent) ; Karpíšek, Zdeněk (vedoucí práce)
Diplomová práce popisuje metodu bootstrap a její použití pro určení přesnosti odhadu, tvorbu konfidenčních intervalů a testování statistických hypotéz. Dále je předložena metoda odhadu diskrétního rozdělení pravděpodobnosti kategoriální veličiny využívající gradient kvazinormy tohoto rozdělení. Metoda bootstrap je v konkrétních příkladech aplikována k získání konfidenčního intervalu pravděpodobnostní funkce kategoriální veličiny. Diplomová práce je součástí řešení projektu MŠMT České republiky čís. 1M06047 "Centrum pro jakost a spolehlivost výroby", projektu Grantové agentury České republiky reg. čís. 103/08/1658 "Pokročilá optimalizace návrhu složených betonových konstrukcí" a výzkumného záměru MŠMT České republiky čís. MSM0021630519 "Progresivní spolehlivé a trvanlivé nosné stavební konstrukce".

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.