dc.contributor.advisor | Kopa, Miloš | |
dc.creator | Olos, Marek | |
dc.date.accessioned | 2017-05-16T07:19:20Z | |
dc.date.available | 2017-05-16T07:19:20Z | |
dc.date.issued | 2013 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/55494 | |
dc.description.abstract | Tato práce se zaměřuje na úlohy stochastického programování s pravdě- podobnostními omezeními. První kapitola je úvod. Ve druhé kapitole formulujeme několik úloh stochastického programování. Ve třetí kapitole předkládáme teorii α-konkávních funkcí a mír jako základní nástroj pro vyšetřování konvexity úloh a formulujeme postačující podmínky pro konvexitu úloh zavedených v kapitole 2 pro spojité rozdělení náhodných vektorů. Důsledky teorie pak použijeme na charakterizování velké třídy spojitých rozdělení splňujících postačující podmínky pro konvexitu a na dokazování konvexity konkrétních množin. Ve čtvrté kapitole předkládáme postačující podmínky pro konvexitu úloh pro diskrétní rozdělení a v krátkosti se věnujeme metodě p-level eficientní bodů. V páté kapitole řešíme úlohu optimalizace portfolia pomocí Kataokovho modelu. 1 | cs_CZ |
dc.description.abstract | This thesis deals with chance constrained stochastic programming pro- blems. The first chapter is an introduction. We formulate several stochastic pro- gramming problems in the second chapter. In chapter 3 we present the theory of α-concave functions and measures as a basic tool for proving convexity of the problems formulated in chapter 2 for the continuous distributions of the random vectors. We use the results of the theory to characterize a large class of the conti- nuous distributions, that satisfy the sufficient conditions for the convexity and to prove convexity of concrete sets. In chapter 4 we present sufficient conditions for the convexity of the problems and we briefly discuss the method of the p-level ef- ficient points. In chapter 5 we solve a portfolio selection problem using Kataoka's model. 1 | en_US |
dc.language | Slovenčina | cs_CZ |
dc.language.iso | sk_SK | |
dc.publisher | Univerzita Karlova, Matematicko-fyzikální fakulta | cs_CZ |
dc.subject | pravdepodobnostné programovanie | cs_CZ |
dc.subject | pravdepodobnostné obmedzenia | cs_CZ |
dc.subject | konvexita | cs_CZ |
dc.subject | probabilistic programming | en_US |
dc.subject | chance constraint | en_US |
dc.subject | convexity | en_US |
dc.title | Konvexita v úlohách s pravděpodobnostními omezeními | sk_SK |
dc.type | bakalářská práce | cs_CZ |
dcterms.created | 2013 | |
dcterms.dateAccepted | 2013-06-25 | |
dc.description.department | Department of Probability and Mathematical Statistics | en_US |
dc.description.department | Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
dc.description.faculty | Faculty of Mathematics and Physics | en_US |
dc.description.faculty | Matematicko-fyzikální fakulta | cs_CZ |
dc.identifier.repId | 137298 | |
dc.title.translated | Convexity in chance constraints programming | en_US |
dc.title.translated | Konvexita v úlohách s pravděpodobnostními omezeními | cs_CZ |
dc.contributor.referee | Adam, Lukáš | |
dc.identifier.aleph | 001604124 | |
thesis.degree.name | Bc. | |
thesis.degree.level | bakalářské | cs_CZ |
thesis.degree.discipline | General Mathematics | en_US |
thesis.degree.discipline | Obecná matematika | cs_CZ |
thesis.degree.program | Matematika | cs_CZ |
thesis.degree.program | Mathematics | en_US |
uk.thesis.type | bakalářská práce | cs_CZ |
uk.taxonomy.organization-cs | Matematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
uk.taxonomy.organization-en | Faculty of Mathematics and Physics::Department of Probability and Mathematical Statistics | en_US |
uk.faculty-name.cs | Matematicko-fyzikální fakulta | cs_CZ |
uk.faculty-name.en | Faculty of Mathematics and Physics | en_US |
uk.faculty-abbr.cs | MFF | cs_CZ |
uk.degree-discipline.cs | Obecná matematika | cs_CZ |
uk.degree-discipline.en | General Mathematics | en_US |
uk.degree-program.cs | Matematika | cs_CZ |
uk.degree-program.en | Mathematics | en_US |
thesis.grade.cs | Velmi dobře | cs_CZ |
thesis.grade.en | Very good | en_US |
uk.abstract.cs | Tato práce se zaměřuje na úlohy stochastického programování s pravdě- podobnostními omezeními. První kapitola je úvod. Ve druhé kapitole formulujeme několik úloh stochastického programování. Ve třetí kapitole předkládáme teorii α-konkávních funkcí a mír jako základní nástroj pro vyšetřování konvexity úloh a formulujeme postačující podmínky pro konvexitu úloh zavedených v kapitole 2 pro spojité rozdělení náhodných vektorů. Důsledky teorie pak použijeme na charakterizování velké třídy spojitých rozdělení splňujících postačující podmínky pro konvexitu a na dokazování konvexity konkrétních množin. Ve čtvrté kapitole předkládáme postačující podmínky pro konvexitu úloh pro diskrétní rozdělení a v krátkosti se věnujeme metodě p-level eficientní bodů. V páté kapitole řešíme úlohu optimalizace portfolia pomocí Kataokovho modelu. 1 | cs_CZ |
uk.abstract.en | This thesis deals with chance constrained stochastic programming pro- blems. The first chapter is an introduction. We formulate several stochastic pro- gramming problems in the second chapter. In chapter 3 we present the theory of α-concave functions and measures as a basic tool for proving convexity of the problems formulated in chapter 2 for the continuous distributions of the random vectors. We use the results of the theory to characterize a large class of the conti- nuous distributions, that satisfy the sufficient conditions for the convexity and to prove convexity of concrete sets. In chapter 4 we present sufficient conditions for the convexity of the problems and we briefly discuss the method of the p-level ef- ficient points. In chapter 5 we solve a portfolio selection problem using Kataoka's model. 1 | en_US |
uk.file-availability | V | |
uk.publication.place | Praha | cs_CZ |
uk.grantor | Univerzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
dc.identifier.lisID | 990016041240106986 | |