Show simple item record

Variance stabilizing transformations
dc.contributor.advisorOmelka, Marek
dc.creatorKuželová, Noemi
dc.date.accessioned2019-07-18T09:59:33Z
dc.date.available2019-07-18T09:59:33Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/20.500.11956/108347
dc.description.abstractAbstrakt. Mnohdy zkoumáme data, jejichž výběrový průměr konverguje k nor- málnímu rozdělení, jehož rozptyl však obecně závisí na neznámém parametru. K tomu, abychom se této závislosti zbavili, lze někdy využít metodu tak zvané transformace stabilizující rozptyl. Tato práce nejprve metodu detailně vysvětlí a najde obecný postup, jak vhodné transformace hledat. Poté se zaměří na data pocházející z Poissonova a binomického rozdělení s neznámými parametry. Pro tato data najde transformace, jež stabilizují (asymptotický) rozptyl, a porovná je s ještě "vylepšenými" transformacemi z článku Anscombe (1948). Právě tvaru těchto transformací je věnována většina práce. Nakonec na simulaci pro výběr z Poissonova rozdělení ukážeme, že je opravdu vhodné tuto metodu využívat a srovnáme odvozenou transformaci s její Anscombeovou verzí.cs_CZ
dc.description.abstractAbstract. We often examine data whose sample mean converges to a normal distribution, but the variance generally depends on an unknown parameter. To get rid of this dependence, we can sometimes use the so-called variance-stabilizing transformation method. Firstly, this thesis explains the method in detail and finds a general procedure to find suitable transformations. Then it will focus on data from Poisson and binomial distributions with unknown parameters. For these data, it finds transformations that stabilize (asymptotic) variance, and compares them with the "improved"transforms from the article Anscombe (1948). Most of the thesis is devoted to the shape of these transformations. Finally, we show in the Poisson distribution simulation that it is really appropriate to use this method and compare the derived transformation with its Anscombe version.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjecttransformace stabilizující rozptylcs_CZ
dc.subjectdelta metodacs_CZ
dc.subjectPoissonovo rozdělenícs_CZ
dc.subjectbinomické rozdělenícs_CZ
dc.subjectvariance-stabilizing transformationen_US
dc.subjectdelta methoden_US
dc.subjectPoisson distributionen_US
dc.subjectbinomial distributionen_US
dc.titleTransformace stabilizujicí rozptylcs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2019
dcterms.dateAccepted2019-06-27
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId204367
dc.title.translatedVariance stabilizing transformationsen_US
dc.contributor.refereeKomárek, Arnošt
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineGeneral Mathematicsen_US
thesis.degree.disciplineObecná matematikacs_CZ
thesis.degree.programMatematikacs_CZ
thesis.degree.programMathematicsen_US
uk.thesis.typebakalářská 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.csObecná matematikacs_CZ
uk.degree-discipline.enGeneral Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csDobřecs_CZ
thesis.grade.enGooden_US
uk.abstract.csAbstrakt. Mnohdy zkoumáme data, jejichž výběrový průměr konverguje k nor- málnímu rozdělení, jehož rozptyl však obecně závisí na neznámém parametru. K tomu, abychom se této závislosti zbavili, lze někdy využít metodu tak zvané transformace stabilizující rozptyl. Tato práce nejprve metodu detailně vysvětlí a najde obecný postup, jak vhodné transformace hledat. Poté se zaměří na data pocházející z Poissonova a binomického rozdělení s neznámými parametry. Pro tato data najde transformace, jež stabilizují (asymptotický) rozptyl, a porovná je s ještě "vylepšenými" transformacemi z článku Anscombe (1948). Právě tvaru těchto transformací je věnována většina práce. Nakonec na simulaci pro výběr z Poissonova rozdělení ukážeme, že je opravdu vhodné tuto metodu využívat a srovnáme odvozenou transformaci s její Anscombeovou verzí.cs_CZ
uk.abstract.enAbstract. We often examine data whose sample mean converges to a normal distribution, but the variance generally depends on an unknown parameter. To get rid of this dependence, we can sometimes use the so-called variance-stabilizing transformation method. Firstly, this thesis explains the method in detail and finds a general procedure to find suitable transformations. Then it will focus on data from Poisson and binomial distributions with unknown parameters. For these data, it finds transformations that stabilize (asymptotic) variance, and compares them with the "improved"transforms from the article Anscombe (1948). Most of the thesis is devoted to the shape of these transformations. Finally, we show in the Poisson distribution simulation that it is really appropriate to use this method and compare the derived transformation with its Anscombe version.en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.code3


Files in this item

Thumbnail
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