Počet záznamů: 1
Výběr proměnných v regresi
Údaje o názvu Výběr proměnných v regresi [rukopis] / Markéta Daněčková Další variantní názvy Výběr proměnných v regresi Osobní jméno Daněčková, Markéta (autor diplomové práce nebo disertace) Překl.náz Variable selection problem in regression Vyd.údaje 2013 Fyz.popis 96 : il., grafy, tab. + 1 CD Poznámka Oponent Ivo Müller Ved. práce Eva Fišerová Dal.odpovědnost Müller, Ivo, 1967- (oponent) Fišerová, Eva (vedoucí diplomové práce nebo disertace) Dal.odpovědnost Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (udelovatel akademické hodnosti) Klíč.slova Mnohonásobná lineární regrese * metoda maximální věrohodnosti * informační kritéria * princip parsimonie * hledání modelu * Kullback-Leiblerova divergence * AIC * AICC * TIC * BIC * HQIC * MDL * CAICF * Multiple linear regression * maximum likelihood method * information criteria * principle of parsimony * model selection * Kullback-Leibler divergence * AIC * AICC * TIC * BIC * HQIC * MDL * CAICF Forma, žánr diplomové práce master's theses MDT (043)378.2 Země vyd. Česko Jazyk dok. čeština Druh dok. PUBLIKAČNÍ ČINNOST Titul Mgr. Studijní program Navazující Studijní program Aplikovaná matematika Studijní obor Aplikace matematiky v ekonomii kniha
Kvalifikační práce Staženo Velikost datum zpřístupnění 00175105-402447114.rar 24 2.7 MB 06.12.2013 Posudek Typ posudku 00175105-ved-281578058.pdf Posudek vedoucího 00175105-opon-725526356.pdf Posudek oponenta
Cílem této práce je popsat postupy výběru optimálního modelu pomocí informačních kritérií. V první kapitole je definována mnohonásobná lineární regrese, z které vycházíme. Druhá kapitola je věnována problematice metody maximální věrohodnosti. Samotným informačním kritériím je věnována třetí kapitola, která obsahuje informační kritéria AIC, AICC, TIC, které jsou odhadem Kullback-Leiblerovi divergence. Dále BIC, HQIC, MDL, CAICF. Část práce je věnována právě problematice Kullback-Leiblerovi divergence. Ve čtvrté kapitole je popsána analýza reziduí a v závěrečné části jsou uvedeny konkrétní příklady výběru vhodných vysvětlujících proměnných. V práci jsou uvedeny použité knihovny, funkce a práce s daty v prostředí R Commanderu.The aim of this thesis is to describe a process of model selection by means of information criteria. In the first chapter, the multiple linear regression is defined. The second chapter focuses on properties of the maximum likelihood method. The third chapter deals with information criteria, this chapter contains information criteria such as AIC, AICC, TIC, which represent an estimation of the Kullback-Leibler divergence, further it contains BIC, HQIC, MDL, CAICF. One part of the thesis is devoted to the questions of the Kullback-Leibler divergence. An analysis of residuals is described in the fourth chapter and in the final chapter there are specific examples of selection of proper explanatory variables. In this thesis various libraries, functions and work with data in R Commander settings were used.
Počet záznamů: 1