Počet záznamů: 1  

Regresní analýza pomocí metody dílčích nejmenších čtverců

  1. Údaje o názvuRegresní analýza pomocí metody dílčích nejmenších čtverců [rukopis] / Dominika Mikšová
    Další variantní názvyRegresní analýza pomocí metody dílčích nejmenších čtverců
    Osobní jméno Mikšová, Dominika (autor diplomové práce nebo disertace)
    Překl.názRegression analysis using the partial least squares method
    Vyd.údaje2016
    Fyz.popis68 s. : grafy, tab.
    PoznámkaOponent Eva Fišerová
    Ved. práce Karel Hron
    Dal.odpovědnost Fišerová, Eva (oponent)
    Hron, Karel, 1981- (vedoucí diplomové práce nebo disertace)
    Dal.odpovědnost Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (udelovatel akademické hodnosti)
    Klíč.slova metoda nejmenších dílčích čtverců * metoda hlavních komponent * regrese * chemometrie * robustní metoda * řídká metoda * software R * singulární rozklad matice * prahový parametr * partial least squares method * principal component analysis * regression * chemometrics * robust method * sparse method * software R * singular value decomposition * tresholding parameter
    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
    00214110-549603574.pdf67709.9 KB09.12.2016
    PosudekTyp posudku
    00214110-ved-479414433.pdfPosudek vedoucího
    00214110-opon-108433339.pdfPosudek oponenta

    Práce se zabývá regresí pomocí metody nejmenších dílčích čtverců, která nachází největší využití v případech, kdy je v datovém souboru více proměnných než pozorování a také je vhodná při redukci dimenze dat. Standardní metoda nejmenších čtverců v této situaci nelze použít. Na metodu nejmenších dílčích čtverců navazuje robustní a řídká metoda, které zajišťují lepší interpretační vlastnosti. V závěru práce jsou jednotlivé metody demonstrovány na reálných a nasimulovaných datech, následně je uvedeno srovnání kvality predikce uvedených metod. Praktické aplikace jsou realizovány pomocí statistického softwaru R.The thesis deals with regression modelling using the partial least squares method. It finds the largest application in cases where a dataset contains more variables than observations. It is also possible to apply this method for dimension reduction. Note that the standard least squares method cannot be used for this purpose. The thesis continues with other approaches, such as the partial least squares method applications of robustness and sparsity constraints, which provide better interpretations. Finally, these methods are demonstrated on real and simulated data followed by the comparison of quality of prediction for previously mentioned methods. Practical applications are conducted in statistical software R.

Počet záznamů: 1  

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