Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 390)
Detail práce
   Přihlásit přes CAS
Zamítací metoda pro generování vzorků ze složitých rozdělení
Název práce v češtině: Zamítací metoda pro generování vzorků ze složitých rozdělení
Název v anglickém jazyce: Rejection sampling
Klíčová slova: Simulace|zamítací metoda|Monte Carlo metody|testování normality
Klíčová slova anglicky: simulation|rejection sampling|Monte Carlo methods|normality testing
Akademický rok vypsání: 2023/2024
Typ práce: bakalářská práce
Jazyk práce: čeština
Ústav: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Vedoucí / školitel: doc. RNDr. Jiří Dvořák, Ph.D.
Řešitel: skrytý - zadáno a potvrzeno stud. odd.
Datum přihlášení: 17.10.2023
Datum zadání: 30.10.2023
Datum potvrzení stud. oddělením: 30.10.2023
Datum a čas obhajoby: 03.09.2024 08:30
Datum odevzdání elektronické podoby:18.07.2024
Datum odevzdání tištěné podoby:18.07.2024
Datum proběhlé obhajoby: 03.09.2024
Oponenti: prof. RNDr. Ivan Mizera, CSc.
 
 
 
Zásady pro vypracování
Student/ka představí zamítací metodu pro generování vzorků ze složitých rozdělení (a případně její varianty) a podrobně vysvětlí její fungování. V praktické části pak využije tuto metodu k simulaci vzorků z hustoty dané profilem hory Říp a pomocí známých testů normality se pokusí dokázat, že Říp není normální.
Seznam odborné literatury
D. Gamerman, H. F. Lopes (2006): Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, 2. vydání, Chapman & Hall/CRC, Boca Raton.

L. Devroye (1986): Non-uniform Random Variate Generation, Springer, New York.

T.W. Anderson, D.A. Darling (1954): A Test of Goodness-of-Fit. Journal of the American Statistical Association 49(268), 765–769.
 
Univerzita Karlova | Informační systém UK