Number of the records: 1  

Regresní analýza pomocí metody dílčích nejmenších čtverců

  1. Title statementRegresní analýza pomocí metody dílčích nejmenších čtverců [rukopis] / Dominika Mikšová
    Additional Variant TitlesRegresní analýza pomocí metody dílčích nejmenších čtverců
    Personal name Mikšová, Dominika (dissertant)
    Translated titleRegression analysis using the partial least squares method
    Issue data2016
    Phys.des.68 s. : grafy, tab.
    NoteOponent Eva Fišerová
    Ved. práce Karel Hron
    Another responsib. Fišerová, Eva (opponent)
    Hron, Karel, 1981- (thesis advisor)
    Another responsib. Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (degree grantor)
    Keywords 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
    Form, Genre diplomové práce master's theses
    UDC (043)378.2
    CountryČesko
    Languagečeština
    Document kindPUBLIKAČNÍ ČINNOST
    TitleMgr.
    Degree programNavazující
    Degree programAplikovaná matematika
    Degreee disciplineAplikace matematiky v ekonomii
    book

    book

    Kvalifikační práceDownloadedSizedatum 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.

Number of the records: 1  

  This site uses cookies to make them easier to browse. Learn more about how we use cookies.