Robust regression - outlier detection

Thesis title: Robustní regrese - identifikace odlehlých pozorování
Author: Hradilová, Lenka
Thesis type: Diplomová práce
Supervisor: Blatná, Dagmar
Opponents: Černý, Jindřich
Thesis language: Česky
Abstract:
Diplomová práce je zaměřena na metody identifikace odlehlých pozorování. Cílem této práce je posouzení vhodnosti využití robustních metod na reálných datech společnosti EKO-KOM, a.s. První část práce poskytuje celkový přehled a teoretický poklad, týkající se klasických a robustních metod identifikace odlehlých pozorování. Tyto metody jsou následně v praktické části aplikovány na obdržený datový soubor společnosti EKO-KOM, a.s. V závěru práce je na základě srovnání jednotlivých metod provedeno doporučení, které z metod, jsou pro analýzy dané společnosti vhodnější.
Keywords: robustní metody; odlehlá pozorování; bod selhání; reziduum; regrese
Thesis title: Robust regression - outlier detection
Author: Hradilová, Lenka
Thesis type: Diploma thesis
Supervisor: Blatná, Dagmar
Opponents: Černý, Jindřich
Thesis language: Česky
Abstract:
This master thesis is focused on methods of outlier detection. The aim of this work is to assess the suitability of using robust methods on real data of EKO-KOM, a.s. The first part of the thesis provides an overview and a theoretical treatise on classic and robust methods of outlier detection. These methods are subsequently applied to the obtained data file of EKO-KOM, a.s. in the practical part of the thesis. At the conclusion of the thesis, there are recommendations about suitability of methods, which are based on comparison of classical and robust methods.
Keywords: residual; robust methods; outliers; breakdown point; regression

Information about study

Study programme: Kvantitativní metody v ekonomice/Statistika
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Statistics and Probability

Information on submission and defense

Date of assignment: 5. 1. 2017
Date of submission: 9. 6. 2017
Date of defense: 8. 6. 2017
Identifier in the InSIS system: https://insis.vse.cz/zp/60206/podrobnosti

Files for download

    Last update: