Zobrazit minimální záznam

INAR time series models
dc.contributor.advisorDvořák, Jiří
dc.creatorCamfrlová, Monika
dc.date.accessioned2017-09-29T07:44:54Z
dc.date.available2017-09-29T07:44:54Z
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/20.500.11956/90598
dc.description.abstractThis work focuses on INAR(1) time series models. The structure of the models is described and the expected value, the variance and the autocovariance function are derived. The next discussed issue is the characterisation of weak stationarity of the INAR(1) models. Three methods of estimation of parame- ters, under the assumption that the random variables describing number of the elements which entered the system in the interval (t−1, t] have Poisson distribu- tion, are described. These methods are compared based on estimations of relative mean square error and of relative bias which were computed from simulations of the process in Mathematica. 1en_US
dc.description.abstractTato práce se zabývá INAR(1) modely časových řad. Je zde popsána struk- tura těchto modelů, rovněž jsou zde odvozeny momentové vlastnosti, konkrétně střední hodnota, rozptyl a autokovarianční funkce. Dále se práce zabývá tím, kdy je INAR(1) model slabě stacionární. V poslední části práce jsou popsány tři me- tody odhadů parametrů vystupujících v INAR(1) modelu, kde náhodné veličiny, popisující počet nově příchozích jedinců v čase (t − 1, t], mají Poissonovo rozdě- lení. Tyto metody jsou porovnány na základě odhadu relativní střední čtvercové chyby a relativního vychýlení, které byly vypočteny ze simulací tohoto modelu v programu Mathematica. 1cs_CZ
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjecttime seriesen_US
dc.subjectdiscrete distributionen_US
dc.subjectautocovariance functionen_US
dc.subjectčasové řadycs_CZ
dc.subjectdiskrétní rozdělenícs_CZ
dc.subjectautokovarianční funkcecs_CZ
dc.titleINAR modely časových řadcs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2017
dcterms.dateAccepted2017-09-08
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId181564
dc.title.translatedINAR time series modelsen_US
dc.contributor.refereeHudecová, Šárka
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineGeneral Mathematicsen_US
thesis.degree.disciplineObecná 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.csObecná matematikacs_CZ
uk.degree-discipline.enGeneral Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csTato práce se zabývá INAR(1) modely časových řad. Je zde popsána struk- tura těchto modelů, rovněž jsou zde odvozeny momentové vlastnosti, konkrétně střední hodnota, rozptyl a autokovarianční funkce. Dále se práce zabývá tím, kdy je INAR(1) model slabě stacionární. V poslední části práce jsou popsány tři me- tody odhadů parametrů vystupujících v INAR(1) modelu, kde náhodné veličiny, popisující počet nově příchozích jedinců v čase (t − 1, t], mají Poissonovo rozdě- lení. Tyto metody jsou porovnány na základě odhadu relativní střední čtvercové chyby a relativního vychýlení, které byly vypočteny ze simulací tohoto modelu v programu Mathematica. 1cs_CZ
uk.abstract.enThis work focuses on INAR(1) time series models. The structure of the models is described and the expected value, the variance and the autocovariance function are derived. The next discussed issue is the characterisation of weak stationarity of the INAR(1) models. Three methods of estimation of parame- ters, under the assumption that the random variables describing number of the elements which entered the system in the interval (t−1, t] have Poisson distribu- tion, are described. These methods are compared based on estimations of relative mean square error and of relative bias which were computed from simulations of the process in Mathematica. 1en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ


Soubory tohoto záznamu

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