prikaz prve stranice dokumenta Bayesovsko statističko zaključivanje
  Preuzmi
PDF 15.84 MB
diplomski rad
Bayesovsko statističko zaključivanje
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2019. urn:nbn:hr:126:122053
Nuić, Antonio
Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
Zavod za teorijsku matematiku i metodiku nastave matematike
Katedra za vjerojatnost, matematičku statistiku i podatkovnu znanost

Institucijski repozitorij: Repozitorij Fakulteta primijenjene matematike i informatike

Citirajte ovaj rad

Nuić, A. (2019). Bayesovsko statističko zaključivanje (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:126:122053

Nuić, Antonio. "Bayesovsko statističko zaključivanje." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2019. https://urn.nsk.hr/urn:nbn:hr:126:122053

Nuić, Antonio. "Bayesovsko statističko zaključivanje." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2019. https://urn.nsk.hr/urn:nbn:hr:126:122053

Nuić, A. (2019). 'Bayesovsko statističko zaključivanje', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:126:122053

Nuić A. Bayesovsko statističko zaključivanje [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku; 2019 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:122053

A. Nuić, "Bayesovsko statističko zaključivanje", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, Osijek, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:122053

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:126:122053
Podaci o radu
NaslovBayesovsko statističko zaključivanje
Naslov (engleski)Bayesian Statistical Inference
AutorAntonio Nuić
MentorMirta Benšić (mentor)
Član povjerenstvaNenad Šuvak (predsjednik povjerenstva)
Član povjerenstvaMirta Benšić (član povjerenstva)
Član povjerenstvaDanijel Grahovac (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
(Zavod za teorijsku matematiku i metodiku nastave matematike)
(Katedra za vjerojatnost, matematičku statistiku i podatkovnu znanost)
Osijek
Datum i država obrane2019-04-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Teorija vjerojatnosti i statistika
Sažetak
Tema rada je bayesovsko statističko zaključivanje. Nakon definicije osnovnih pojmova iz vjerojatnosti objašnjene su razlike u Bayesovskom pristupu u odnosu na klasični pristup statističkom zaključivanju. Objašnjeni su pojmovi apriorne i aposteriorne distribucije i diskutirana je važnost funkcije vjerodostojnosti i Bayesove formule. Potom je navedeno nekoliko različitih pristupa izboru apriorne distribucije i dana je teorija koja se tiče procjene parametra, testiranja hipoteza i procjene pouzdanih intervala. Dodatno, nakon primjedbe da se pri zaključivanju o aposteriornoj distribuciji pojavljuju integrali koje je teško ili nemoguće egzaktno izračunati (primjerice, pri računanju očekivanja ili varijance aposteriorne distribucije dan je Metropolis-Hastings algoritam za simulaciju realizacija iz aposteriorne distribucije. Na nekoliko primjera pokazano je kako Metropolis-Hastings algoritam funkcionira.
Sažetak (engleski)
Topic of the work is bayesian statistical inference. After the definition of basic terms from the probability theory, differences between Bayesian and classical approach to statistical inference were explained. Also, it was explained what prior and posterior distributions are, and the importance of likelihood function and Bayes’ formula were discussed. Then, several methods of choosing prior distribution were listed and theory regarding parameter estimation, hypothesis testing and confidence interval estimation was given. Furthermore, it was noted that integrals which are difficult or impossible to calculate often appear when making an inference about posterior distribution (for example, when calculating expectation or variance of the posterior distribution). To solve this, Metropolis-Hastings algorithm, which is used to sample from posterior distribution, was given. Several examples were used to demonstrate how Metropolis-Hastings algorithm works.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:126:122053
Studijski programNaziv: Matematika; smjerovi: Financijska matematika i statistika, Matematika i računarstvo, Industrijska i primijenjena matematika
Smjer: Financijska matematika i statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag.math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-04-24 06:46:43