Möls, Märt, juhendajaLäänemets, HannaTartu Ülikool. Loodus- ja täppisteaduste valdkondTartu Ülikool. Matemaatika ja statistika instituut2017-07-042017-07-042017http://hdl.handle.net/10062/57095Käesoleva magistritöö eesmärk on tutvustada tavalise peidetud Markovi mudeli ning autoregressiivse peidetud Markovi mudeli hindamise meetodeid ning võrrelda nende sobivust juhul, kui vaatluste sõltuvust ei tingi mitte ainult peidetud Markovi ahel. Töö esimeses kahes peatükis antakse ülevaade peidetud Markovi mudelist ning autoregressiivsest peidetud Markovi mudelist ning nende hindamise meetoditest. Töö kolmandas peatükis võrreldakse simulatsioonide abil, kuidas käituvad need meetodid juhul, kui tegu on andmetega, mis tegelikult vastavad mingile autoregressiivsele peidetud Markovi mudelile. Lisaks tehakse läbi näide meetodite töötamise kohta teise põlvkonna sekveneerimisandmetel.estjuhuslikud protsessidMarkovi aheladautoregressioonimudelidstochastic processesMarkov chainsautoregressive modelsThesis