Co se děje na VŠE?

-

Termíny

-

Další termíny »

Hledat
Pokročilé hledání

Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů

Autor práce: Lepša, Ondřej
Typ práce: Diplomová práce
Vedoucí práce: Bašta, Milan
Osoba oponující práci: Malá, Ivana

Informace o vysokoškolské kvalifikační práci

Název práce: Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů
Typ práce: Diplomová práce
Jazyk práce: Česky
Abstrakt: Nalezení modelu s dobrými předpovědními vlastnostmi je jeden z hlavních cílů regresní analýzy. I přesto se v běžné praxi k vyhodnocení predikčních schopností využívá kritérií, která se k tomuto účelu buď nehodí, nebo nejsou dostatečně spolehlivá. Alternativu představují relativně nové metody, které využívají opětovných simulací k odhadnutí vhodné ztrátové funkce -- predikční chyby. Do této kategorie patří křížová validace a bootstrap. Tato práce popisuje, jak lze s využitím těchto metod vybrat takový regresní model, který co nejlépe předpovídá hodnoty vysvětlované proměnné.
Klíčová slova: R; výběr modelu; křížová validace; bootstrap; vícenásobná regrese

Informace o studiu

Studijní program a Studijní obor: Kvantitativní metody v ekonomice/Statisticko-pojistné inženýrství
Typ studijního programu: Magisterský navazující studijní program
Jméno přidělované hodnosti: Ing.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Název fakulty: Fakulta informatiky a statistiky
Název katedry: Katedra statistiky a pravděpodobnosti
Instituce archivující a zpřístupňující VŠKP: Vysoká škola ekonomická v Praze

Informace o vysokoškolské kvalifikační práci

Název práce: Využití bootstrapu a křížové validace v odhadu predikční chyby regresních modelů
Překlad názvu: Utilizing Bootstrap and Cross-validation for prediction error estimation in regression models
Typ práce: Master thesis
Jazyk práce: Czech
Abstrakt: Finding a well-predicting model is one of the main goals of regression analysis. However, to evaluate a model's prediction abilities, it is a normal practice to use criteria which either do not serve this purpose, or criteria of insufficient reliability. As an alternative, there are relatively new methods which use repeated simulations for estimating an appropriate loss function -- prediction error. Cross-validation and bootstrap belong to this category. This thesis describes how to utilize these methods in order to select a regression model that best predicts new values of the response variable.
Klíčová slova: Bootstrap; model selection; Cross-validation; R; multiple regression

Informace o studiu

Studijní program a Studijní obor: Kvantitativní metody v ekonomice/Statisticko-pojistné inženýrství
Typ studijního programu: Magisterský navazující studijní program
Jméno přidělované hodnosti: Ing.
Instituce přidělující hodnost: University of Economics, Prague
Název fakulty: Faculty of Informatics and Statistics
Název katedry: Department of Statistics and Probability
Instituce archivující a zpřístupňující VŠKP: University of Economics, Prague

Informace o odevzdání a obhajobě

Datum zadání práce: 31. 1. 2014
Datum podání práce: 1. 12. 2014
Datum obhajoby: 04.02.2015
Výsledek obhajoby: Závěrečná práce byla úspěšně obhájena

Soubory ke stažení

Hlavní práce46511_xlepo00.pdf [1,72 MB]
Veřejná příloha10778_xlepo00.unknown [6,85 kB]
Veřejná příloha10779_xlepo00.unknown [1,90 kB]
Oponentura40151_malai.pdf [36,96 kB]
Hodnocení vedoucího46511_basm01.pdf [61,78 kB]

Údaje ze systému InSIS

Identifikátor https://insis.vse.cz/zp/46511/podrobnosti