Počet záznamů: 1  

Analýza ordinálních dat

  1. Údaje o názvuAnalýza ordinálních dat [rukopis] / Martin Rosoľanka
    Další variantní názvyAnalýza ordinálních dat
    Osobní jméno Rosolanka, Martin (autor diplomové práce nebo disertace)
    Překl.názOrdinal data analysis
    Vyd.údaje2016
    Fyz.popis63 s. (76 550 znaků)
    PoznámkaOponent Tomáš Fürst
    Ved. práce Ondřej Vencálek
    Dal.odpovědnost Fürst, Tomáš (oponent)
    Vencálek, Ondřej (vedoucí diplomové práce nebo disertace)
    Dal.odpovědnost Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (udelovatel akademické hodnosti)
    Klíč.slova GLM * zobecněný lineární model * model logitů sousedních kategorií * model logitů proporcionálních šancí * logit proporcionálních rizik * model průběžných poměrů * Akaikeho informační kritérium * Bayesovo informační kritérium * Waldova statistika * Poměr věrohodnostních funkcí * Raovo skóre * GLM * generalized linear model * adjacent categories model * proportional odds model * proportional hazards model * continuation ratio model * Akaike information criterion * Bayes information criterion * likelihood ratio test * Rao's score test
    Forma, žánr diplomové práce master's theses
    MDT (043)378.2
    Země vyd.Česko
    Jazyk dok.čeština
    Druh dok.PUBLIKAČNÍ ČINNOST
    TitulMgr.
    Studijní programNavazující
    Studijní programAplikovaná matematika
    Studijní oborAplikace matematiky v ekonomii
    kniha

    kniha

    Kvalifikační práceStaženoVelikostdatum zpřístupnění
    00190330-412107001.pdf701.5 MB06.12.2016
    PosudekTyp posudku
    00190330-ved-571332965.pdfPosudek vedoucího
    00190330-opon-462784800.docxPosudek oponenta

    Cílem práce je seznámit se se zobecněnými lineárními modely pro ordinální data. Pro jednotlivé modely se naučíme odhadovat jejich parametry (pomocí metody maximální věrohodnosti) a testovat hypotézy o těchto parametrech. Důraz bude kladen na interpretace výsledků analýz provedených na konkrétní datové sadě.The goal of this thesis is to get acquainted with the generalized linear models for ordinal data. For each model we learn to estimate their parameters (with maximum likelihood method) and to test hypothesises about these parameters. We pay attention especially to the interpretation of the analysis results performed on the particular dataset.

Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.