| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:seeAlso
| |
| Description
| - Functions as random elements and statistical analysis of functional data is a rapidly growing field of modern probability and statistics. During the last decade, there appeared a huge amount of literature devoted both to the methodology and applications of functional data analysis. However, there remain many open questions even on the very fundamental level like, e.g., the construction of the underlying probability space or the probability distribution on that space. On the other hand, there are many deep practical results and advanced techniques which can be further improved and applied. Current state-of-art will form a starting point for our project. We will follow and accept main goals and recent research intentions into our project suggestion. Application in several practical problems will be also considered. Project will be focused to areas as Functional regression model, Risk Aversion, Air radiation profiles. The results are intended to be implemented for computer usage. We intend to provide (en)
- V současné době narůstá množství pozorovaných dat a do popředí zájmu se stále více dostává funkcionální analýza dat. Teoretický základ, na kterém jsou nejčastěji používané metody založeny spočívá v rozkladu funkce do ortogonální báze a v následující analýze v prostoru konečné dimenze. Uspokojivý přístup k funkcionálním datům v nekonečně rozměrných prostorech však zatím není definitivně ustálen. Jednou z možností, které se budeme věnovat v rámci řešení grantu, je propojení funkcionálních dat se stochastickými procesy, zejména s teorií stochastických diferenciálních rovnic a inkluzí. Hlavní aplikací bude funkcionální regresní model, kde jak závislé, tak vysvětlující proměnné jsou funkce. Důraz bude kladen též na odhady parametrů a testy hypotéz o nich. Jedna možná aplikace funkcionální regrese je odhad averze k riziku. Zjednodušeně řečeno, averzi k riziku lze odhadnout jako podíl dvou pravděpodobnostních hustot. Řešení tohoto problému pomocí funkcionální regresní analýzy povede ke stabilnějším
|
| Title
| - Statistical analysis of functional random variable and its applications (en)
- Statistická analýza funkcionálních náhodné proměnné a její aplikace
|
| skos:notation
| |
| http://linked.open...avai/cep/aktivita
| |
| http://linked.open...kovaStatniPodpora
| |
| http://linked.open...ep/celkoveNaklady
| |
| http://linked.open...datumDodatniDoRIV
| |
| http://linked.open...i/cep/druhSouteze
| |
| http://linked.open...ep/duvernostUdaju
| |
| http://linked.open.../cep/fazeProjektu
| |
| http://linked.open...ai/cep/hlavniObor
| |
| http://linked.open...hodnoceniProjektu
| |
| http://linked.open...vai/cep/kategorie
| |
| http://linked.open.../cep/klicovaSlova
| - functional data; stochastic processes; splines; statistical inference (en)
|
| http://linked.open...ep/partnetrHlavni
| |
| http://linked.open...inujicichPrijemcu
| |
| http://linked.open...cep/pocetPrijemcu
| |
| http://linked.open...ocetSpoluPrijemcu
| |
| http://linked.open.../pocetVysledkuRIV
| |
| http://linked.open...enychVysledkuVRIV
| |
| http://linked.open...lneniVMinulemRoce
| |
| http://linked.open.../prideleniPodpory
| |
| http://linked.open...iciPoslednihoRoku
| |
| http://linked.open...atUdajeProjZameru
| |
| http://linked.open.../vavai/cep/soutez
| |
| http://linked.open...usZobrazovaneFaze
| |
| http://linked.open...ai/cep/typPojektu
| |
| http://linked.open...ep/ukonceniReseni
| |
| http://linked.open...ep/zahajeniReseni
| |
| http://linked.open...jektu+dodavatelem
| - We proposed modifications of halfspace depth convenient for multidimensional data and for data with non-convex distribution. The standard halfspace depth is an excellent tool for elliptically symmetric data, however,problems arise when the support of the underlying distribution is non-convex. This problem is solved by modified halfspace depth by emphasizing the local behavior of probability distr (en)
- Navrhli jsme modifikace poloprostorové hloubky dat, které jsou vhodné pro vícerozměrná data a pro data jejichž rozdělení je nekonvexní povahy.Běžná poloprostorová hloubka je výborným nástrojem pro zkoumání eliptickysymetrických dat, problémy však nastávají u dat nesymetrických,zejména u rozdělení s nekonvexním nosičem. Tento nedostatekmodifikovaná poloprostorová hloubka odstraňuje zvýrazněním lok (cs)
|
| http://linked.open...tniCyklusProjektu
| |
| http://linked.open.../cep/klicoveSlovo
| - functional data
- splines
- stochastic processes
|
| is http://linked.open...vavai/riv/projekt
of | |
| is http://linked.open...vavai/cep/projekt
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)