Thesis (Selection of subject)Thesis (Selection of subject)(version: 368)
Thesis details
   Login via CAS
Shluková analýza pro funkcionální data
Thesis title in Czech: Shluková analýza pro funkcionální data
Thesis title in English: Cluster analysis for functional data
Key words: funkcionální data, shluková analýza, snížení dimenze dat, směs rozdělení, EM-algoritmus
English key words: functional data, cluster analysis, reduction of data dimension, mixture of distribution, EM-algorithm
Academic year of topic announcement: 2009/2010
Thesis type: diploma thesis
Thesis language: čeština
Department: Department of Probability and Mathematical Statistics (32-KPMS)
Supervisor: doc. RNDr. Arnošt Komárek, Ph.D.
Author: hidden - assigned and confirmed by the Study Dept.
Date of registration: 06.10.2009
Date of assignment: 06.10.2009
Date and time of defence: 14.05.2012 00:00
Date of electronic submission:12.04.2012
Date of submission of printed version:12.04.2012
Date of proceeded defence: 14.05.2012
Opponents: prof. RNDr. Marie Hušková, DrSc.
 
 
 
Guidelines
V posledních cca 15 letech bylo v literatuře publikováno mnoho přístupů ke shlukování na základě funkcionálních či longitudinálních dat. Posluchač aktivně vyhledá relevantní literaturu, kriticky posoudí publikované přístupy a vše při jednotném značení shrne ve své diplomové práci. V případě zájmu je možné některý z dříve publikovaných přístupů zobecnit či jinak vylepšit. Pro mnohé publikované přístupy neexistuje snadno aplikovatelný software. Nedílnou součástí diplomové práce bude proto implementace jednotlivých přístupů v R a aplikace na reálná data.

Odborná literatura bude vesměs v angličtině, diplomová práce bude psána česky nebo slovensky.
References
Verbeke, G. and Lesaffre, E. (1996). A linear mixed-effects model with heterogeneity in the random-effects population. Journal of the American Statistical Association, 91(433), 217-221.

a další dle domluvy a schopností posluchače
Preliminary scope of work
Práce se bude zabývat statistickými metodami pro řešení například následujícího problému. Máme skupinu subjektů (pacienti, ...) a u nich opakovaně (v čase) měříme nějaký ukazatel (krevní tlak, ...). Pro jeden subjekt máme tedy k dispozici opakovaná měření téhož, přičemž na jednotlivá měření lze též pohlížet jako na funkci času. Odsud termín funkcionální data, kdy jedno pozorování = funkce (času) udávající hodnotu ukazatele (krevního tlaku) pro jeden subjekt (pacienta). Cílem je rozdělit jednotlivé subjekty do skupin (shluků) tak, aby v rámci jednoho shluku byly ty subjekty, pro něž si jsou funkcionální pozorování v jistém smyslu podobná. V případě pacientů a v situaci, kdy má měřený ukazatel nějakou souvislost s danou chorobou, mohou poté shluky reprezentovat různé stupně závažnosti choroby. Na rozdíl od klasické shlukové analýzy, kdy se k tvorbě shluků použije pouze jedno (např. poslední) měření ukazatele pro každý subjekt, se bude DP práce zabývat přístupy, kdy je k vytvoření shluků použito celé historie, tj. všech pozorování daného ukazatele každého subjektu.
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html