Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorŠedivá, Blanka
dc.contributor.authorLoudová, Zuzana
dc.contributor.refereeŤoupal, Tomáš
dc.date.accepted2015-06-18
dc.date.accessioned2016-03-15T08:40:03Z
dc.date.available2014-10-01cs
dc.date.available2016-03-15T08:40:03Z
dc.date.issued2015
dc.date.submitted2015-05-20
dc.identifier63535
dc.identifier.urihttp://hdl.handle.net/11025/17977
dc.description.abstractDiplomová práce "Metody identifikace odlehlých pozorování" se zabývá detekcí odlehlých hodnot v datových souborech. Tento proces je velmi důležitý před dalším zpracováním dat, aby nedocházelo ke zkresleným výsledkům. Cílem této práce je tak uvést metody vhodné pro detekci odlehlých pozorování v datových souborech jednorozměrných i vícerozměrných. V úvahu budou brány také časové řady a detekce odlehlých pozorování v regresi. Popsány budou metody parametrické i neparametrické. Pro zvolené metody pak budou provedeny numerické experimenty, díky kterým budou odhaleny výhody i nevýhody různých postupů. V závěru diplomové práce budou zvolena reálná data, ve kterých budou odlehlá pozorování hledaná pomocí uvedených metod. Součástí diplomové práce jsou kódy provedené v programu Matlab obsahující veškeré výpočty.cs
dc.format89 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.relation.isreferencedbyhttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=63535-
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectodlehlé hodnotycs
dc.subjectjednorozměrné metodycs
dc.subjectvícerozměrné metodycs
dc.subjectodlehlé hodnoty v regresics
dc.subjectnumerické experimentycs
dc.subjectmetody založené na vzdálenosti bodůcs
dc.subjectmetody založené na hustotě bodůcs
dc.subjectmahalanobisova vzdálenostcs
dc.titleMetody identifikace odlehlých pozorovánícs
dc.title.alternativeMethods of identification of outliersen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThe diploma thesis "Methods of identification of outliers" deals with a detection of outliers in sets of data. To prevent the distortion of results, it is very important to carry out this process before further data processing. The aim of this thesis is to introduce methods for detection of outliers in univariate and multivariate sets of data. Time series and outliers in regression will be taken into consideration, too. The parametric and nonparametric methods will be described. According to the selected methods, numerical experiments will be carried out which will reveal the advantages and disadvantages of different kinds of methods. In conclusion of the thesis, the real data for detection of outliers will be chosen and different kinds of methods will be used. This diploma thesis also includes the codes performed in Matlab, which contain all the calculations.en
dc.subject.translatedoutliersen
dc.subject.translatedunivariate methodsen
dc.subject.translatedmultivariate methodsen
dc.subject.translatedoutliers in regressionen
dc.subject.translatednumerical experimentsen
dc.subject.translateddistance-based methodsen
dc.subject.translateddensity-based methodsen
dc.subject.translatedmahalanobis distanceen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KMA)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Diplomova prace - Loudova.pdfPlný text práce3,79 MBAdobe PDFZobrazit/otevřít
vedouci-PV_Loudova.pdfPosudek vedoucího práce147,12 kBAdobe PDFZobrazit/otevřít
oponent-PO_Loudova.pdfPosudek oponenta práce188,66 kBAdobe PDFZobrazit/otevřít
obhajoba-P_Loudova.pdfPrůběh obhajoby práce37,12 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/17977

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.