Show simple item record

Statistická inference založená na aproximací pomocí metody sedlového bodu
dc.creatorSabolová, Radka
dc.date.accessioned2021-05-24T13:07:41Z
dc.date.available2021-05-24T13:07:41Z
dc.date.issued2014
dc.identifier.urihttp://hdl.handle.net/20.500.11956/66490
dc.description.abstractNázev práce: Statistická inference založená na aproximací pomocí metody sedlového bodu Autor: Radka Sabolová Abstrakt: Metody založené na aproximacích pomocí sedlového bodu pro M- odhady se ve statistice osvědčily jako velmi přesné a robustní i pro výběry malého rozsahu. V této práci byly touto metodou odvozeny aproximace hustoty a testy v kvantilové regresi, a to pro parametrický i neparametrický případ. Kromě toho byl navržen i test o hodnotě regresního kvantilu založený na asymptotickém rozdělení zprůměrovaných regresních kvantilů. Tyto testy byly pak porovnány s jinými dostupnými testy v simulační studii. Poslední část práce je věnována speciálnímu případu Kullback-Leiblerovy divergence pro exponenciální rodinu rozdělení, na základě které byly také odvozeny aproximace hustoty maximálně věrohodného odhadu a suficientní statistiky pomocí metody sedlového bodu. 1cs_CZ
dc.description.abstractTitle: Statistical inference based on saddlepoint approximations Author: Radka Sabolová Abstract: The saddlepoint techniques for M-estimators have proved to be very accurate and robust even for small sample sizes. Based on these results, saddle- point approximations of density of regression quantile and saddlepoint tests on the value of regression quantile were derived, both in parametric and nonpara- metric setup. Among these, a test on the value of regression quantile based on the asymptotic distribution of averaged regression quantiles was also proposed and all these tests were compared in a numerical study to the classical tests. Finally, special case of Kullback-Leibler divergence in exponential family was studied and saddlepoint approximations of the density of maximum likelihood estimator and sufficient statistic were also derived using this divergence. 1en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectsaddlepoint methoden_US
dc.subjectquantile regressionen_US
dc.subjectI-divergenceen_US
dc.subjectmetoda sedlového boducs_CZ
dc.subjectkvantilová regresecs_CZ
dc.subjectI-divergencecs_CZ
dc.titleStatistical inference based on saddlepoint approximationsen_US
dc.typerigorózní prácecs_CZ
dcterms.created2014
dcterms.dateAccepted2014-10-15
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.repId156063
dc.title.translatedStatistická inference založená na aproximací pomocí metody sedlového boducs_CZ
dc.identifier.aleph001862495
thesis.degree.nameRNDr.
thesis.degree.levelrigorózní řízenícs_CZ
thesis.degree.disciplinePravděpodobnost, matematická statistika a ekonometriecs_CZ
thesis.degree.disciplineProbability, mathematical statistics and econometricsen_US
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.thesis.typerigorózní 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.csUznánocs_CZ
thesis.grade.enRecognizeden_US
uk.abstract.csNázev práce: Statistická inference založená na aproximací pomocí metody sedlového bodu Autor: Radka Sabolová Abstrakt: Metody založené na aproximacích pomocí sedlového bodu pro M- odhady se ve statistice osvědčily jako velmi přesné a robustní i pro výběry malého rozsahu. V této práci byly touto metodou odvozeny aproximace hustoty a testy v kvantilové regresi, a to pro parametrický i neparametrický případ. Kromě toho byl navržen i test o hodnotě regresního kvantilu založený na asymptotickém rozdělení zprůměrovaných regresních kvantilů. Tyto testy byly pak porovnány s jinými dostupnými testy v simulační studii. Poslední část práce je věnována speciálnímu případu Kullback-Leiblerovy divergence pro exponenciální rodinu rozdělení, na základě které byly také odvozeny aproximace hustoty maximálně věrohodného odhadu a suficientní statistiky pomocí metody sedlového bodu. 1cs_CZ
uk.abstract.enTitle: Statistical inference based on saddlepoint approximations Author: Radka Sabolová Abstract: The saddlepoint techniques for M-estimators have proved to be very accurate and robust even for small sample sizes. Based on these results, saddle- point approximations of density of regression quantile and saddlepoint tests on the value of regression quantile were derived, both in parametric and nonpara- metric setup. Among these, a test on the value of regression quantile based on the asymptotic distribution of averaged regression quantiles was also proposed and all these tests were compared in a numerical study to the classical tests. Finally, special case of Kullback-Leibler divergence in exponential family was studied and saddlepoint approximations of the density of maximum likelihood estimator and sufficient statistic were also derived using this divergence. 1en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.codeU
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusU


Files in this item

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