Naslov Bayesovska regresijska analiza Autor Iva Bogojević Mentor Miljenko Huzak (mentor)Član povjerenstva Miljenko Huzak (predsjednik povjerenstva)Član povjerenstva Bojan Basrak (član povjerenstva)Član povjerenstva Mladen Jurak (član povjerenstva)Član povjerenstva Vjeran Hari (član povjerenstva)Ustanova koja je dodijelila Sveučilište u Zagrebu Datum i država obrane 2015-07-10, Hrvatska Znanstveno / umjetničko PRIRODNE ZNANOSTI Sažetak U ovom diplomskom radu smo se bavili bayesovskom statistikom odnosno bayesovskim linearnim regresijskim modelima. Ukratko, u linearnoj regresiji pokusavamo objasniti varijabilnost zavisne varijable
Y pomoću jedne ili više nezavisnih varijabli
X . Koristimo pretpostavku da je regresijski šum nezavisno normalno distribuiran, zavisna varijabla
Y također ima normalnu distribuciju, a
X je matrica dizajna, prvi stupac sadrži jedinice. Sad kad je model postavljen, bayesovska
... Više analiza traži aposteriornu distribuciju parametara i prediktivnu distribuciju za model. Analiza započinje apriornom distribucijom. Parametre (β , σ 2 B , Σ 2 B , Σ 2 π ( β , σ 2 ) ∝ 1 σ 2 β Σ 2 = σ 2 Σ 2 I n v χ 2 B σ 2 σ 2 χ 2 B π ( β | σ 2 Σ 2 χ 2 Y 1 = X 1 β + ϵ 1 Y 2 = X 2 β + ϵ 2 π ( β , σ 1 , σ 2 ) ∝ 1 σ 1 σ 2 B B Sakrij dio sažetka Sažetak (engleski) This thesis is concerned with a Bayesian statistics and Bayesian linear regression models. In short, in linear regression we are trying to explain the variability in dependent variable
Y with the help of one or more independent variables
X . We assume that regression disturbances are independently and identically disturbed with normal distribution, the dependent variable
Y has also normal distribution and
X is design matrix, first column of
X is a column
... Više of ones. Once the model is specified, the Bayesian analysis seeks the posterior distribution of the parameters and a predictive distribution for the model's prediction. The analysis begins with a prior distribution. Parameters ((β , σ 2 B , Σ 2 B , Σ 2 π ( β , σ 2 ) ∝ 1 σ 2 β Σ 2 = σ 2 Σ 2 I n v χ 2 B σ 2 Σ 2 χ 2 B π ( β | σ 2 Σ 2 χ 2 Y 1 = X 1 β + ϵ 1 Y 2 = X 2 β + ϵ 2 π ( β , σ 1 , σ 2 ) ∝ 1 σ 1 σ 2 B B Sakrij dio sažetka Ključne riječi
bayesovska regresijska analiza
bayesovska statistika
bayesovski linearni regresijski model
apriorna distribucija
aposteriorna distribucija
Ključne riječi (engleski)
Bayesian regression analisys
Bayesian statistics
Bayesian linear regression model
prior distribution
posterior distribution
Jezik hrvatski URN:NBN urn:nbn:hr:217:529822 Studijski program Naziv: Matematička statistika Vrsta resursa Tekst Način izrade datoteke Izvorno digitalna Prava pristupa Otvoreni pristup Uvjeti korištenja Datum i vrijeme pohrane 2017-06-06 12:06:06
