The purpose of this thesis is to find how we can use Bayesian statistics in analysis of sociological data and to compare outcomes of frequentist and Bayesian approach. Bayesian statistics uses probability distributions on statistical parameters. In the beginning of the analysis in Bayesian approach a prior probability (that is chosen on the basis of relevant information) is attached to the parameters. After combining prior probability and our observed data, posterior probability is computed. Because of the posterior probability we can make statistical conclusions. Comparison of approaches was made from the view of theoretical foundations and procedures and also by means of analysis of sociological data. Point estimates, interval estimates, hypothesis testing (on the example of two-sample t-test) and multiple linear regression analysis were compared. The outcome of this thesis is that considering its philosophy and thanks to the interpretational simplicity the Bayesian analysis is more suitable for sociological data analysis than common frequentist approach. Comparison showed that there is no difference between outcomes of frequentist and objective Bayesian analysis regardless of the sample size. For hypothesis testing we can use Bayesian credible intervals. Using subjective Bayesian analysis on...

In present thesis we study and describe a stochastic loss reserve model for individual insurers. Specifically, it is the model based on the three following features. Modelling of expected claims depends on unknown parameters which estimates need to be the most accurate. Aggregated occurred and paid losses for particular years are modelled by a collective risk model. The final reserve is estimated by Bayesian methodology that uses a prior information from a significant number of insurers. Part of the thesis is also an implementation of the program that calculates reserves by using our model and its testing on simulated data.

The concern of this thesis is to discuss classification of different objects based on longitudinal observations. In the first instance the reader is introduced to a linear mixed-effects model which is useful for longitudinal data modeling. Description of discriminant analysis methods follows. These methods ares usually used for classification based on longitudinal observations. Individual methods are introduced in the theoretic aspect. Random effects approach is generalized to continuous time. Subsequently the methods and features of the linear mixed-effects model are applied to real data. Finally features of the methods are studied with help of simulations.

Diplomová práce "Strategické rozhodování o investičním projektu Kasárna Slatina" je zaměřena na využití metod rozhodovací analýzy při řešení rozhodovacího problému v rámci revitalizace armádního brownfield Kasárna Slatina. V teoretické části je vysvětlena základní terminologie, metody a postupy, které se vztahují k problematice řešeného rozhodovacího problému. V praktické části je řešeno závažné strategické rozhodnutí spojené s otázkou rozvoje konkrétní brněnské lokality. Na základě použitých postupů je v souladu s rozhodovací metodikou navrženo optimální rozhodnutí.

Prvotním cílem tohoto projektu bylo prostudovat problematiku jazykového modelování pro rozpoznávání řeči a techniky pro získávání textových dat z Webu. Text představuje základní techniky rozpoznávání řeči a detailněji popisuje jazykové modely založené na statistických metodách. Zvláště se práce zabývá kriterii pro vyhodnocení kvality jazykových modelů a systémů pro rozpoznávání řeči. Text dále popisuje modely a techniky dolování dat, zvláště vyhledávání informací. Dále jsou představeny problémy spojené se získávání dat z webu, a v kontrastu s tím je představen vyhledávač Google. Součástí projektu byl návrh a implementace systému pro získávání textu z webu, jehož detailnímu popisu je věnována náležitá pozornost. Nicméně, hlavním cílem práce bylo ověřit, zda data získaná z Webu mohou mít nějaký přínos pro rozpoznávání řeči. Popsané techniky se tak snaží najít optimální způsob, jak data získaná z Webu použít pro zlepšení ukázkových jazykových modelů, ale i modelů nasazených v reálných rozpoznávacích systémech.