Show simple item record

Poisson autoregression
dc.contributor.advisorHudecová, Šárka
dc.creatorBöhmová, Karolína
dc.date.accessioned2019-07-03T10:12:04Z
dc.date.available2019-07-03T10:12:04Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/20.500.11956/107205
dc.description.abstractPráce se zabývá modelováním časových řad počtů událostí pomocí INGARCH modelů. Hlavní důraz je kladen na lineární INARCH model. Jsou zde odvozené jeho vlastnosti a metody odhadu parametrů modelu (metoda maximální věrohodnosti, metoda nejmenších čtverců a její modifikace), které jsou později porovnané pomocí simulací. Uvedené jsou i vlastnosti a odhad metodou maximální věrohodnosti INGARCH(1,1) modelu. Krátce jsou diskutované lineární INGARCH modely vyšších řádů a nelineární INGARCH modely. Použití modelů je ilustrované na několika časových řadách počtu nehod.cs_CZ
dc.description.abstractThis thesis deals with INGARCH models for a count time series. Main emphasis is placed on a linear INARCH model. Its properties are derived. Several methods of estimation are introduced - maximum likelihood method, least squares method and its modifications - and later compared in a simulation study. Main properties and maximum likelihood estimation for INGARCH(1,1) model are stated. Higher order linear INGARCH models and nonlinear INGARCH models are discussed briefly. An application of the presented models on time series of car accidents is given.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectINARCH modelen_US
dc.subjectINGARCH modelen_US
dc.subjectPoisson autoregressionen_US
dc.subjectcount time seriesen_US
dc.subjectINARCH modelcs_CZ
dc.subjectINGARCH modelcs_CZ
dc.subjectPoissonovská autoregresecs_CZ
dc.subjectčasové řady počtůcs_CZ
dc.titlePoissonovská autoregresecs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2019
dcterms.dateAccepted2019-06-12
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId194590
dc.title.translatedPoisson autoregressionen_US
dc.contributor.refereeHlubinka, Daniel
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplinePravděpodobnost, matematická statistika a ekonometriecs_CZ
thesis.degree.disciplineProbability, mathematical statistics and econometricsen_US
thesis.degree.programMatematikacs_CZ
thesis.degree.programMathematicsen_US
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csPravděpodobnost, matematická statistika a ekonometriecs_CZ
uk.degree-discipline.enProbability, mathematical statistics and econometricsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csPráce se zabývá modelováním časových řad počtů událostí pomocí INGARCH modelů. Hlavní důraz je kladen na lineární INARCH model. Jsou zde odvozené jeho vlastnosti a metody odhadu parametrů modelu (metoda maximální věrohodnosti, metoda nejmenších čtverců a její modifikace), které jsou později porovnané pomocí simulací. Uvedené jsou i vlastnosti a odhad metodou maximální věrohodnosti INGARCH(1,1) modelu. Krátce jsou diskutované lineární INGARCH modely vyšších řádů a nelineární INGARCH modely. Použití modelů je ilustrované na několika časových řadách počtu nehod.cs_CZ
uk.abstract.enThis thesis deals with INGARCH models for a count time series. Main emphasis is placed on a linear INARCH model. Its properties are derived. Several methods of estimation are introduced - maximum likelihood method, least squares method and its modifications - and later compared in a simulation study. Main properties and maximum likelihood estimation for INGARCH(1,1) model are stated. Higher order linear INGARCH models and nonlinear INGARCH models are discussed briefly. An application of the presented models on time series of car accidents is given.en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.code2


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV