Interaktivní statistický model dat ze sčítání lidu v České republice v r. 2001

0328586 - ÚTIA 2010 RIV CZ cze J - Journal Article
Grim, Jiří - Hora, J. - Somol, Petr - Boček, Pavel - Pudil, P.
Interaktivní statistický model dat ze sčítání lidu v České republice v r. 2001.
[Statistical Model of the 2001 Czech Census for Interactive Presentation.]
Statistika: Statistics and Economy Journal. Roč. 89, č. 4 (2009), s. 285-299. ISSN 0322-788X
R&D Projects: GA MŠMT 1M0572; GA ČR GA102/07/1594
Grant - others:GA MŠk(CZ) 2C06019
Institutional research plan: CEZ:AV0Z10750506
Keywords : interactive statistical model * EM algorithm * data modelling * data mining * census data presentation
Subject RIV: IN - Informatics, Computer Science
http://library.utia.cas.cz/separaty/2009/RO/grim-statistical model of the 2001 czech census for interactive presentation.pdf

Dostupnost výsledků sčítání lidu je přes extrémní náklady (v České republice např. 2.3 miliardy Kč) silně omezena platnými předpisy o ochraně dat. Navrhované řešení nabízí v této souvislosti novou, uživatelsky pohodlnou metodu presentace výsledků sčítání lidu, založenou na pravděpodobnostním modelu původních mikrodat. Pravděpodobnostní model ve formě konečné distribuční směsi popisuje výsledky sčítání lidu ve vysoce komprimované podobě a může být použit jako báze znalostí interaktivního pravděpodobnostního expertního systému. Výsledný softwarový produkt odvozuje libovolnou statistickou informaci z odhadnutého modelu bez přístupu k původnímu souboru individuálních dotazníků.

This paper describes the application of a recently developed method of interactive statistical database presentation to the 2001 Czech Census. The method is based on estimating the multivariate probability distribution of the original microdata. The estimated statistical model in the form of a distribution mixture of product components can be used as a knowledge base of a probabilistic expert system. In this way we can derive the statistical properties of data interactively without any further access to the source database. The statistical model does not contain the original data and therefore can be distributed without any confidentiality concerns. The accuracy achievable by the statistical model is comparable with that of the anonymised subsets of microdata.
Permanent Link: http://hdl.handle.net/11104/0174875