Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Modely konečných směsí
Název práce v češtině: Modely konečných směsí
Název v anglickém jazyce: Finite Mixture Models
Klíčová slova: konečná směs, normální směs, EM algoritmus, shlukování
Klíčová slova anglicky: finite mixture, normal mixture, EM algorithm, clustering
Akademický rok vypsání: 2014/2015
Typ práce: bakalářská práce
Jazyk práce: čeština
Ústav: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Vedoucí / školitel: doc. RNDr. Arnošt Komárek, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 07.10.2014
Datum zadání: 07.10.2014
Datum potvrzení stud. oddělením: 25.11.2014
Datum a čas obhajoby: 16.06.2015 00:00
Datum odevzdání elektronické podoby:18.05.2015
Datum odevzdání tištěné podoby:21.05.2015
Datum proběhlé obhajoby: 16.06.2015
Oponenti: doc. Ing. Marek Omelka, Ph.D.
 
 
 
Zásady pro vypracování
Posluchač samostatně s pomocí literatury nastuduje problematiku modelů konečných směsí s důrazem na model normální směsi, též ve vícerozměrném případě. V práci bude podrobně pojednáno o problematice odhadu neznámých parametrů s důrazem na odhad metodou maximální věrohodnosti včetně výpočetních aspektů. Vybrané modely budou rigorózně matematicky popsány při jednotném značení. Uváděné vlastnosti budou důsledně dokazovány, případně bude explicitně odkazováno na obecnější tvrzení v literatuře. Součástí práce bude též analýza reálných dat pomocí programového balíku R.

Studijní literatura bude k dispozici vesměs v angličtině, práce bude psána pomocí systému LaTeX.

Úspěšné absolvování předmětu NMSA202 (Pravděpodobnost a matematická statistika) nebo NMFM202 (Pravděpodobnost pro finanční matematiky) do okamžiku zápisu bakalářské práce nutné. V případě studia oboru Obecná matematika nutno zapsat a před odevzdáním bakalářské práce absolvovat předmět NMSA349 (Bakalářské konzultace: Stochastika).
Seznam odborné literatury
Aitkin, M. (2001). Likelihood and Bayesian analysis of mixtures. Statistical Modelling, 1(4), 287–304.

McLachlan, G. J. and and Basford, K. E. (1988). Mixture Models: Inference and Applications to Clustering. New York: Marcel Dekker, Inc. ISBN 0-8247-7691-7.

McLachlan, G. J. and Peel, D. (2000). Finite Mixture Models. New York: John Wiley and Sons. ISBN 0-471-00626-2.
Předběžná náplň práce
Model konečné směsi je často používaným modelem pro odhad neznámého rozdělení. Důvodem je nejenom jeho relativně vysoká flexibilita, ale též skutečnost, že může posloužit jako základ pro tvorbu klasifikačního pravidla, jestliže je klasifikace jedním z cílů statistické analýzy.
 
Univerzita Karlova | Informační systém UK