Regrese s AR(p) chybami

Mgr. Iveta Hellebrandová

Bakalářská práce

Regression with AR(p) errors

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, především nejznámější Durbin-Watsonův test. Uvedená teorie je demonstrována na příkladu za pomocí systému Matlab.

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 especially the best known Durbin-Watson test. The theory is demonstrated on example with use of Matlab software.

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

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 28. 5. 2009

Obhajoba závěrečné práce

• Obhajoba proběhla 3. 7. 2009
• Vedoucí: RNDr. Marie Forbelská, Ph.D.
• Oponent: Mgr. Jan Orava

Masarykova univerzita

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Aplikovaná matematika / Statistika a analýza dat