Bodový proces řízený Gaussovským polem

Abstract

Práce vyšetřuje hledání podprostoru redukce dimenze pro Poissonův bodový proces řízený Gaussovským náhodným polem. V práci je popsána metoda plátkové inverzní regrese, která je aplikována na prostředí bodového procesu ří- zeného náhodným polem. Dále je dokázána její funkčnost ve zmíněném kontextu. V prostředí programu R je metoda více způsoby implementována a testována na náhodných datech. Jednotlivé způsoby jsou popsány a výsledky vzájemně srov- nány.

The thesis investigates the search for dimension reduction subspace for the Poisson point process driven by a Gaussian random eld. The work describes the method called sliced inverse regression, which is applied to a point process driven by random eld. Its functionality in mentioned context is then proved. This method is in several ways implemented and tested in R software environment on random data. The individual implementations are described and results are then compared with each other.