Byesovský výběr modelu
Bayesian Model Selection
Type of document
bakalářská prácebachelor thesis
Author
Poliak Kajetán
Supervisor
Šmídl Václav
Opponent
Dedecius Kamil
Field of study
Matematické inženýrstvíStudy program
Aplikace přírodních vědInstitutions assigning rank
katedra matematikyDefended
2018-09-05Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Práce má za cíl představení bayesovské statistiky a bayesovského výběru modelu. K tomuto cíli přistupuje přes seznámení se s tvorbou statistických modelů pro lineární a logistickou regresi. Předvedena je statistická klasifikace dat pomocí logistické regrese. Významnou částí práce je analýza chybějících hodnot a metody, které pracují se soubory s chybějícími pozorováními. Posléze jsou představeny a aplikovány metody výběru modelu jak z frekventistického, tak z bayesovského pohledu. Závěr teoretické části je věnován vzorkovacím metodám a to především importance samplingu. Nakonec je získaná teorie aplikována na reálný problém, kterým je variable selection pro soubor dat z vyšetření krve. The aim of this thesis is to introduce the theory of Bayesian model selection. For this purpose we introduce constructions of statistical models for linear and logistic regression. A significant portion of this study involves missing data analysis and the methods concerned with datasets containing missing observations. We then outline and apply various methods for model selection. This is done from the frequentist as well as the bayesian view. The final chapter of the theory is dedicated to the sampling methods. Mainly we focus on the importance sampling. Finally the theoretical background is applied to the real dataset of the blood diagnosis results.
Collections
- Bakalářské práce - 14101 [278]