Show simple item record

Stabilita v autoregresních modelech časových řad
dc.contributor.advisorPrášková, Zuzana
dc.creatorDvořák, Marek
dc.date.accessioned2018-11-30T12:56:12Z
dc.date.available2018-11-30T12:56:12Z
dc.date.issued2015
dc.identifier.urihttp://hdl.handle.net/20.500.11956/80479
dc.description.abstractThe main subject of this thesis is a change point detection in stationary vector autoregressions. Various test statistics are proposed for the retrospective break point detection in the parameters of such models, in particular, the derivation of their asymptotic distribution under the null hypothesis of no change. Testing procedures are based on the maximum like- lihood principle and are derived under normality, nevertheless the asymptotic results are valid for broader class of distributions and involve also the models with certain form of dependence. Simulation studies document the quality of the results.en_US
dc.description.abstractPředložená práce se zabývá oblastí detekce změn ve slabě sta- cionárních vektorových autoregresních modelech. Obsahem práce je návrh testových statistik pro retrospektivní detekci změny v různých parametrech těchto modelů a zejména odvození jejich asymptotického rozdělení za nu- lové hypotézy, kdy předpokládáme neměnnost těchto parametrů. Testové statistiky jsou založeny na principu maximální věrohodnosti a odvozeny za předpokladu normality, nicméně asymptotické výsledky u těchto statistik jsou platné pro daleko širší třídu rozdělení a zahrnují i modely, kde se vysky- tují konkrétní formy závislosti. Součástí práce jsou rovněž simulační studie, které ilustrují kvalitu dosažených výsledků.cs_CZ
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectasymptotic distributionen_US
dc.subjectchange-pointen_US
dc.subjecthypotheses testingen_US
dc.subjectlikelihooden_US
dc.subjectweak dependenceen_US
dc.subjectasymptotické rozdělenícs_CZ
dc.subjectchange-pointcs_CZ
dc.subjectslabá závislostcs_CZ
dc.subjecttestování hypotézcs_CZ
dc.subjectvěrohodnostcs_CZ
dc.titleStability in Autoregressive Time Series Modelsen_US
dc.typedizertační prácecs_CZ
dcterms.created2015
dcterms.dateAccepted2015-12-21
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.repId57462
dc.title.translatedStabilita v autoregresních modelech časových řadcs_CZ
dc.contributor.refereeHušková, Marie
dc.contributor.refereePicek, Jan
dc.identifier.aleph002050611
thesis.degree.namePh.D.
thesis.degree.leveldoktorskécs_CZ
thesis.degree.disciplineEkonometrie a operační výzkumcs_CZ
thesis.degree.disciplineEconometrics and Operational Researchen_US
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csEkonometrie a operační výzkumcs_CZ
uk.degree-discipline.enEconometrics and Operational Researchen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csProspěl/acs_CZ
thesis.grade.enPassen_US
uk.abstract.csPředložená práce se zabývá oblastí detekce změn ve slabě sta- cionárních vektorových autoregresních modelech. Obsahem práce je návrh testových statistik pro retrospektivní detekci změny v různých parametrech těchto modelů a zejména odvození jejich asymptotického rozdělení za nu- lové hypotézy, kdy předpokládáme neměnnost těchto parametrů. Testové statistiky jsou založeny na principu maximální věrohodnosti a odvozeny za předpokladu normality, nicméně asymptotické výsledky u těchto statistik jsou platné pro daleko širší třídu rozdělení a zahrnují i modely, kde se vysky- tují konkrétní formy závislosti. Součástí práce jsou rovněž simulační studie, které ilustrují kvalitu dosažených výsledků.cs_CZ
uk.abstract.enThe main subject of this thesis is a change point detection in stationary vector autoregressions. Various test statistics are proposed for the retrospective break point detection in the parameters of such models, in particular, the derivation of their asymptotic distribution under the null hypothesis of no change. Testing procedures are based on the maximum like- lihood principle and are derived under normality, nevertheless the asymptotic results are valid for broader class of distributions and involve also the models with certain form of dependence. Simulation studies document the quality of the results.en_US
uk.file-availabilityV
uk.publication-placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.codeP


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 3-5, 116 36 Praha; 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