Odhadování stupně důvěry v prediktor užívaný v odhadování parametrů

Abstract

Tato bakalářská práce se zabývá řešením problému efektivniho využití externí informace ve formě externiho prediktoru k vylepšení konstruovaných modelů. Zpracovávané informace slouží k predikování a vychází z formalizmu diskrétních markovských procesů. Predikce získáváme odhadováním parametrů modelu pomocí bayesovské statistiky. V současné praxi je, při užívání externiho prediktoru k vylepšení odhadování parametrů modelu, potřebná pevná volba důvěry v užitečnost externiho prediktoru. V této práci je popsána metoda na hledání optimální volby důvěry v užitečnost externiho prediktoru a metoda na navrhování optimálních predikcí. Princip těchto metod spočívá v kombinaci modelů, užívajících různé pevné volby důvěry v užitečnost externiho prediktoru, na základě úspěšnosti jimi navrhovaných predikcí a naší apriorní informaci o užívaném externím prediktoru. Vlastnosti navržených metod jsou ilustrovány pomocí simulačních experimentů.

This bachelor's degree project studies the problem of effective use of external information in the form of an external predictor to improve designed models. The processed information serves to predict and is based on the formalism of discrete Markov processes. The predictions exploit estimation of model parameters by Bayesian statistics. Currently, when an external predictor is used for the improvement of the estimation of model parameters, it is necessary to choose a value of trust given to that external predictor. This work describes a method for finding the optimal choice of trust in the usefullness of the external predictor and a method for designing optimal predictions. These methods are based on the combination of models, using different trust in the usefullness of the external predictor, according to the success of their proposed predictions and our prior information about the external predictor used. The properties of the proposed method are illustrated by simulation experiments.