Intervaly spolehlivosti pro korelační koeficient
Confidence intervals for the correlation coefficient
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/127925Identifikátory
SIS: 229787
Kolekce
- Kvalifikační práce [11978]
Autor
Vedoucí práce
Oponent práce
Omelka, Marek
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
1. 7. 2021
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
korelační koeficient|interval spolehlivosti|normální rozděleníKlíčová slova (anglicky)
correlation coefficient|confidence interval|normal distributionCílem práce je podrobně představit metody používané pro konstrukci intervalu spo- lehlivosti pro korelační koeficient a porovnat je na různých příkladech. První kapitola práce se věnuje úvodu o korelačním koeficientu a jeho vlastnostech a stručnému předsta- vení Fisherovy z-transformace. Druhá kapitola se věnuje metodě založené na zobecněných pivotech. Vysvětluje také proč je pro tuto metodu potřebný předpoklad dvojrozměrného normálního rozdělení. Třetí kapitola popisuje dvě metody založené na empirické věro- hodnosti. Tyto metody jsou vhodné i pro jiná dvojrozměrná rozdělení než normální. V závěrečné kapitole jsou všechny metody aplikovány na několik příkladů a navzájem porovnávány. 1
The main goal of the thesis is to introduce methods used for the construction of confidence intervals for correlation coefficient in detail and to show their performances on various examples. In the first chapter is an introduction of basic properties of correlation coefficient and Fisher's z-transformation. The second chapter is about a method based on generalized pivotal quantities. It also contains an explanation why is an assumption of bivariate normal distribution necessary for this method. In the third chapter there is a description of two methods based on empirical likelihood. These methods are approptiate also for non-normal bivariate distributions. In the last chapter are all mentioned methods applied on several examples and compared with each other. 1
