Diplomová práce

Neparametrické odhady podmíněné hustoty

Nonparametric Conditional Density Estimation

Bc. Kateřina Konečná, učo 270073
Anotace

Jádrové odhady podmíněné hustoty patří mezi neparametrické metody, na jejichž kvalitu má zásadní vliv šířka vyhlazovacího parametru. Pro odhad podmíněné hustoty je známo několik metod - v této práci je největší pozornost věnována Nadaraya-Watsonovu odhadu podmíněné hustoty, z dalších metod jsou zmíněny 2-krokové odhady, lokálně-lineární a RNW (re-weighted Nadaraya-Watson) odhady. Dále jsou uvedeny …více

Abstract

Kernel conditional density estimation belongs to nonparametric methods, smoothing parameter called bandwidth plays a principal role of their quality. Several methods are known in conditional density estimation - in this thesis the greatest attention is paid to Nadaraya-Watson estimator, 2-step estimator, local-linear and RNW (re-weighted Nadaraya-Watson) estimators are mentioned too. Formulas assesing …více

Klíčová slova
podmíněná hustota regrese jádrové odhady volba vyhlazovacího parametru conditional density regression kernel estimation bandwidth selection
Zadání práce
Podmíněné hustoty jsou velice užitečné při prezentování nejistoty. Cílem je popsat metody pro neparametrické jádrové odhady podmíněných hustot a aplikovat je na simulovaných a reálných datech. Je třeba dobrá znalost teorie jádrového vyhlazování a také některého z jazyků R nebo Matlab.
Administrativní informace
Práce zkontrolována:
11. 5. 2012 10:33, doc. Mgr. Jan Koláček, Ph.D., učo 19999
Plný text práce
89,9 MB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
12. 6. 2012
Práce byla úspěšně obhájena

Vedoucí

doc. Mgr. Jan Koláček, Ph.D., učo 19999
ÚMS Ústavy PřF MU

Oponent

prof. RNDr. Ivanka Horová, CSc., učo 1951
ext ÚMS Ústavy PřF MU

Literatura

  • WAND, M. P. a M. C. JONES. Kernel smoothing. 1st ed. London: Chapman & Hall, 1995, 212 s. ISBN 0412552701.
  • ROSENBLATT, M. Conditional probability density and regression estimates. Multivariate Analysis II. 1969, s. 25-31.
  • HOLMES, Michael a Alexander GRAY. Fast kernel conditional density estimation: A dual-tree Monte Carlo approach. Computational Statistics & Data Analysis. Amsterdam: Elsevier, 2010, roč. 54, č. 7, s. 1707-1718. ISSN 0167-9473.
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Aplikovaná matematika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.