Zobrazit minimální záznam

Local polynomial regression
Lokální polynomická regrese
dc.contributor.advisorBašta, Milan
dc.creatorCigán, Martin
dc.date.accessioned2021-03-26T18:07:35Z
dc.date.available2021-03-26T18:07:35Z
dc.date.issued2015
dc.identifier.urihttp://hdl.handle.net/20.500.11956/61923
dc.description.abstractTato práce se zabývá lokální polynomickou regresí. Lokální polynomická regrese je jedním z neparametrických přístupů k vyrovnávání dat. Tato konkrétní metoda je založena na opakování parametrického vyrovnávání dat metodou vážených nejmenších čtverců za použití modelu polynomu. Cílem práce je proto připomenutí základních vlastností metody vážených nejmenších čtverců v kontextu modelu klasické lineární regrese a navazující zavedení metody nerobustní lokální polynomické regrese. Následně se v práci odvozují některé statistické vlastnosti metody lokální polynomické regrese. Podmíněné vychýlení a podmíněný rozptyl odhadu jsou následně aproximovány pomocí metody Monte Carlo a tyto aproximace jsou porovnány s teoretickým výsledkem. Powered by TCPDF (www.tcpdf.org)cs_CZ
dc.description.abstractThis thesis examines local polynomial regression. Local polynomial regression is one of non-parametric approach of data fitting. This particular method is based on repetition of fitting data using weighted least squares estimate of the parameters of the polynomial model. The aim of this thesis is therefore revision of some properties of the weighted least squares estimate used in linear regression model and introduction of the non-robust method of local polynomial regression. Some statistical properties of the local polynomial regression estimate are derived. Conditional bias and conditional variance of the local polynomial regression estimate are then approximated using Monte Carlo method and compared with theoretical results. Powered by TCPDF (www.tcpdf.org)en_US
dc.languageSlovenčinacs_CZ
dc.language.isosk_SK
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectlocal polyomial regressionen_US
dc.subjectmethod of least squaresen_US
dc.subjectMonte Carlo methoden_US
dc.subjectlokální polynomická regresecs_CZ
dc.subjectmetoda nejmenších čtvercůcs_CZ
dc.subjectmetoda Monte Carlocs_CZ
dc.titleLokální polynomická regresesk_SK
dc.typebakalářská prácecs_CZ
dcterms.created2015
dcterms.dateAccepted2015-06-24
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.identifier.repId155843
dc.title.translatedLocal polynomial regressionen_US
dc.title.translatedLokální polynomická regresecs_CZ
dc.contributor.refereeMaciak, Matúš
dc.identifier.aleph002011204
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineFinancial Mathematicsen_US
thesis.degree.disciplineFinanční 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.csFinanční matematikacs_CZ
uk.degree-discipline.enFinancial Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csTato práce se zabývá lokální polynomickou regresí. Lokální polynomická regrese je jedním z neparametrických přístupů k vyrovnávání dat. Tato konkrétní metoda je založena na opakování parametrického vyrovnávání dat metodou vážených nejmenších čtverců za použití modelu polynomu. Cílem práce je proto připomenutí základních vlastností metody vážených nejmenších čtverců v kontextu modelu klasické lineární regrese a navazující zavedení metody nerobustní lokální polynomické regrese. Následně se v práci odvozují některé statistické vlastnosti metody lokální polynomické regrese. Podmíněné vychýlení a podmíněný rozptyl odhadu jsou následně aproximovány pomocí metody Monte Carlo a tyto aproximace jsou porovnány s teoretickým výsledkem. Powered by TCPDF (www.tcpdf.org)cs_CZ
uk.abstract.enThis thesis examines local polynomial regression. Local polynomial regression is one of non-parametric approach of data fitting. This particular method is based on repetition of fitting data using weighted least squares estimate of the parameters of the polynomial model. The aim of this thesis is therefore revision of some properties of the weighted least squares estimate used in linear regression model and introduction of the non-robust method of local polynomial regression. Some statistical properties of the local polynomial regression estimate are derived. Conditional bias and conditional variance of the local polynomial regression estimate are then approximated using Monte Carlo method and compared with theoretical results. Powered by TCPDF (www.tcpdf.org)en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.code2
dc.contributor.consultantOmelka, Marek
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusO
dc.identifier.lisID990020112040106986


Soubory tohoto záznamu

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

Tento záznam se objevuje v následujících sbírkách

Zobrazit minimální záznam


© 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