The main objective of my diploma thesis is to analyze and evaluate the Political Movement ANO positioning within the political parties system of the Czech Republic by using a methodological framework approach. The thesis provides an analysis of electorate shifting and selected political parties manifestos as well as their comparison with the Political Movement ANO. Timewise, my focus is on the period prior to the election to the Chamber of Deputies of the Parliament of the Czech Republic in 2017. As for analytical purposes, the Hierarchical Bayesian Modeling has been used. This statistical model helps to get the respective values and to show the electoral vote changes between the last two parliament elections (to Chamber of Deputies). The author uses quantitative and qualitative research for comparison and analysis of programmatical convergency as defined in the election manifestos of various political parties. For manifestos quantification a coding scheme by a Comparative manifesto project group has been applied. The reason for using the above mentioned scheme is that it provides a structured methodology to quantify the domains that the political parties do focus the most in their manifestos. The aim of the analytical part of the thesis is to define how and especially from where the Movement ANO...

[pt] Inferência ecológica reúne o conjunto de procedimentos estatísticos para se prever dados desagregados quando só estão disponíveis dados agregados. Duas novas metodologias propostas recentemente vêm motivando novos desenvolvimentos na área: o modelo baseado na normal bivariada truncada (MNBT) e o modelo hierárquico binomial-beta (MHBB). A tese reavalia estas metodologias e explora implementações computacionais mais eficientes através do Algoritmo EM e uma de suas extensões, o Algoritmo ECM. Comparando-se com métodos de quase-Newton, uma versão estável, porém mais lenta, é obtida para implementação do MNBT e uma versão estável e mais rápida é obtida para o MHBB. Adicionalmente, as metodologias são comparadas em termos de suas capacidades preditivas através de um extenso experimento de Monte Carlo e da aplicação sobre bases de dados reais selecionadas. A superioridade do MNBT se evidencia na maioria dos casos. Problemas de modelagem do MHBB são corrigidos e é apontada uma limitação assintótica das previsões produzidas por este último. / [en] Ecological inference comprises the set of statistical procedures for the prediction of disaggegate data when data are available only in aggregate form. Two recently proposed approaches have motivated new developments in the field: the model based on a truncated bivariate normal (MNBT) and the hierchical binomial-beta model (MHBB). The thesis reevaluates these approaches and explores more efficient computational implementations via the EM Algorithm and one of its extensions, the ECM Algorithm. As compared to quasi-Newton algorithms, a stable yet slower version is obtained for the implementation of the MNBT, and a stable and faster version is obtained for the MHBB. The methodologies are compared in predictive terms by means of an extensive Monte Carlo experiment and of the application to real datasets. The superiority of the MNBT is evident in the majority of cases. Modeling mistakes of the MHBB are corrected and an asymptotic restriction of the predictions made with this model is pointed. / [es] La inferencia ecológica reúne un conjunto de procedimentos estatísticos para prever datos desagregados cuando solo están disponibles datos agregados. Dos nuevas metodologías propuestas recientemente han motivando nuevos desarrollos en el área: el modelo que tiene como base la normal bivariada truncada (MNBT) y el modelo jerárquico binomial- beta (MHBB). La tesis reevalúa estas metodologías y explora implementaciones computacionales más eficientes a través del Algoritmo EM y una de sus extensiones, el Algoritmo ECM. Estos métodos se comparan con métodos de quase- Newton. Se obtiene una versión estable aunque más lenta, para la implementación de MNBT y una versión estable y más rápida para el MHBB. Adicionalmente, se comparan las metodologías en función de sus capacidades predictivas a través de un extenso experimento de Monte Carlo. Em la mayor parte de los casos se observa superioridad del MHNBT. Se corrigen problemas de modelaje del MHBB apuntadando uma limitación asintótica de las previsiones producidas por este último.