Number of the records: 1

Bayesovské odhady: přirozený nástroj pro využití apriorní informace

SYSNO ASEP	0548683
Document Type	J - Journal Article
R&D Document Type	Journal Article
Subsidiary J	Ostatní články
Title	Bayesovské odhady: přirozený nástroj pro využití apriorní informace
Title	Bayesian estimates: tool for processing prior information
Author(s)	Kalina, Jan (UIVT-O)_{RID, SAI, ORCID} Soukup, Lubomír (UTIA-B)_{RID, ORCID}
Number of authors	2
Source Title	Informační bulletin České statistické společnosti. - : Česká statistická společnost - ISSN 1210-8022 Roč. 32, č. 3 (2021), s. 3-15
Number of pages	13 s.
Language	cze - Czech
Country	CZ - Czech Republic
Keywords	Bayesovské odhady ; apriorní informace ; předchozí měření ; regularizace ; Bayesian estimation ; prior information ; previous measurements ; regularization
Subject RIV	BA - General Mathematics
OECD category	Statistics and probability
Subject RIV - cooperation	Institute of Information Theory and Automation - General Mathematics
R&D Projects	GA19-05704S GA ČR - Czech Science Foundation (CSF)
Method of publishing	Open access
Institutional support	UIVT-O - RVO:67985807 ; UTIA-B - RVO:67985556
Annotation	Tento článek studuje některé základní statistické modely a zamýšlí se nad situací, zda a jak bayesovské odhady jejich parametrů odpovídají intuici v případě, že se kombinují naměřená data s výsledky předchozích měření prováděných za stejných podmínek. Konkrétně se věnujeme bayesovským odhadům parametrů pro normální nebo binomické rozdělení, lineární regresi, ale i regularizačním sítím z oblasti strojového učení.
Description in English	This paper considers some fundamental statistical models and investigates whether Bayesian estimates of their parameters correspond to intuition in the situation, when observed data are combined with results of previous (prior) measurements obtained under the same conditions. Particularly, the paper considers Bayesian estimates of parameters for the normal or binomial distributions, linear regression, or regularization networks from the field of machine learning.
Workplace	Institute of Computer Science
Contact	Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800
Year of Publishing	2022
Electronic address	https://www.statspol.cz/wp-content/uploads/2021/11/IB_3_2021.pdf

Number of the records: 1