Vypsáno: | 2015–16 | ||
Zadáno: | 10.2.2016 | ||
Obhájeno: | 14.6.2017 |
Výběrem proměnných v rámci statistické analýzy dat se typicky rozumí výběr regresorů z potenciálně velké množiny proměnných, které mají být zahrnuty v regresním modelu. Jedním ze základních postupů používaných v tomto kontextu a implementovaných ve většině statistických programových balíků je tzv. kroková regrese (stepwise regression). Tato však typicky nepřináší uspokojivé výsledky. Bayesovský výběr proměnných (Bayesian variable selection) je jedním ze sofistikovanějších (s mnohem uspokojivějšími výsledky) přístupů, který navíc přirozenou formou umožňuje zahrnout do rozhodnutí o tom, které proměnné vybrat, též externí (apriorní) informaci.
Posluchač nastuduje a vlastními slovy popíše obecné principy bayesovského výběru proměnných v kontextu regresních modelů. Následně se práce více zaměří na vybrané konkrétní metody. Tyto budou matematicky rigorózním způsobem popsány s podrobným odvozením alespoň některých základních vlastností. Práce se dále, dle zájmu studenta, bude věnovat buď aplikaci na reálných datech nebo numerickým studiím s cílem prozkoumat některé, teoreticky obtížněji odvoditelné aspekty studovaných metod.
Zápis této DP vyžaduje úspěšné ukončení předmětu Lineární regrese (NMSA407). V rámci práce na DP nutno absolvovat tyto povinně volitelné předměty: