@undefined{publ241400,

language = "pol",
title = "Bayesowskie podejście do regresji liniowej",
affiliation = "Wydział Matematyki i Informatyki",
author = "Herud,Anna",
abstract = "Tematem pracy jest analiza bayesowskiego podejścia do regresji
liniowej. Przedstawiony został ogólny zarys tej idea opierający się na trzech
krokach: określeniu postaci modelu wraz z doborem odpowiedniego rozkładu a priori
szukanych parametrów, wyliczeniem rozkładu a posteriori parametrów i wyprowadzeniem
opartych na nim statystyk, oraz ostatecznej weryfikacji modelu. Przedstawione
zostały niektóre rodzaje rozkładów a priori, tj. referencyjne rozkłady a priori,
sprzężone oraz subiektywne. Wprowadzone zostały również niektóre algorytmy
próbkowania Monte Carlo łańcuchami Markova, służące do wyznaczania rozkładu a
posteriori. Zdefiniowany został także predyktywny rozkład a posteriori, służący do
wyznaczania predykcji oraz oceny dokładności modelu. Rozumowanie to zostało
przeprowadzone na przykładzie z danymi rzeczywistymi., The subject of the thesis is
the analysis of the Bayesian approach to linear regression. A general outline of
this idea was presented, based on three steps: 1.Defining the form of the the
model together with the selection of the appropriate a priori distribution of the
unknown parameters, 2. Calculating the posterior distribution of parameters and
deriving statistics based on it, and 3. Final verification of the model. Some types
of a priori distributions have been presented: reference a priori distributions,
conjugated and subjective. Three Markov Chain Monte Carlo sampling algorithms have
also been introduced, which are used to approximate the posterior distribution.
The predictive a posteriori distribution, which is used to determine prediction and
assess the accuracy of the model has also been defined. This reasoning was also
carried out on the example of real data.",
keywords = "regresja liniowa, Bayes, rozkład prawdopodobieństwa, rozkład a priori,
rozkład posteriori, funkcja wiarygodności, estymator, predykcyjny rozkład a
posteriori, próbkowanie Monte Carlo łańcuchami Markova, model liniowy, diagnostyka
modelu, residua, estymator Bayesa, przedziały wiarygodności, założenia, algorytm,
linear regression, Bayes, probability distribution, a priori distribution,
posteriori distribution, likelihood function, estimator, predictive a posteriori
distribution, Markov Chain Monte Carlo, linear model, model diagnostics, residuals,
Bayes estimator, credible intervals, assumptions, algorithm",
}