Bakalářská práce

Regrese s AR(p) chybami

Regression with AR(p) errors

Iveta Hellebrandová, učo 211585
Anotace

Klasická regresní analýza je založena na několika předpokladech, jedním z klíčových předpokladů je nezávislost jednotlivých náhodných chyb. Předložená práce se zabývá situací, kdy je předpoklad nezávislosti porušen, s čímž se setkáme nejčastěji u časových řad. K modelování a řešení tohoto problému je použit regresní model s AR(p) chybami. V práci jsou také popsány základní testy pro odhalení autokorelace …více

Abstract

Classical regression analysis is based on several statistical assumptions. One key assumption is that the errors are independent of each other. The present work deals with situation in which this assumption is violated. This is usually problem of time series data. Regression model with AR(p) errors is used to solve this problem. Thesis describes basic tests to detect the presence of autocorrelation …více

Klíčová slova
regresní analýza lineární regresní model metoda nejmenších čtverců autoregresní proces Durbin-Watsonův test časové řady regression analysis linear regression model method of least squares autoregressive process Durbin-Watson test time series
Zadání práce
Mezi základní předpoklady klasické regresní analýzy patří požadavek nezávislosti pozorování. Jsou to především modely časových řad, pro které je většinou tento předpoklad nesplnitelný. Jedním ze vhodných modelů pro analýzu časových řad je regresní model s AR(p) chybami. Diplomantka popíše jednotlivé přístupy k řešení problematiky regresních modelů s autokorelovanými rezidui a pro vybrané metody na realných, popřípadě simulovaných datech ve vývojovém prostředí Matlab ukáže zajímavé aplikace.
Administrativní informace
Práce zkontrolována:
1. 6. 2009 07:46, RNDr. Marie Forbelská, Ph.D.
Plný text práce
428,4 KB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
3. 7. 2009
Práce byla úspěšně obhájena

Vedoucí

RNDr. Marie Forbelská, Ph.D.
ÚMS Ústavy PřF MU

Oponent

Mgr. Jan Orava
abs PřF MU

Literatura

  • HAMILTON, James Douglas. Time series analysis. Princeton, N.J.: Princeton University Press, 1994, xiv, 799 s. ISBN 0-691-04289-6.
  • SEBER, G. A. F. a A. J. LEE. Linear regression analysis. 2nd ed. Hoboken: John Wiley & Sons, 2003, xvi, 557. ISBN 0471415405.
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005.
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Aplikovaná matematika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.