Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "wskaźniki bayesowskie" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Philosophical or empirical incommensurability of frequentist versus Bayesian thinking
    Zwolennicy częstości a zwolennicy podejścia bayesowskiego. Spór o niewspółmierność w znaczeniu filozoficznym i empirycznym
    Autorzy:
    Trafimow, David
    Powiązania:
    https://bibliotekanauki.pl/articles/1182034.pdf
    Data publikacji:
    2021
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    incommensurability
    commensurability
    a priori procedure
    estimation
    hypothesis testing
    Bayes factors
    niewspółmierność
    współmierność
    procedura a priori
    estymacja
    testowanie hipotez
    wskaźniki bayesowskie
    Opis:
    Zwolennicy częstości i podejścia bayesowskiego nie zgadzają się co do rzetelności wykonywania obliczeń opartych w istotnej części na wcześniejszych informacjach. Niezgoda powraca do podstawowego sporu filozoficznego dotyczącego tego, jak określać znaczenie prawdopodobieństwa. Ponieważ obydwie grupy naukowców używają tego terminu w inny sposób, powstaje kluczowa filozoficzna niewspółmierność. Jednak w efekcie nie musi ona oznaczać empirycznej niewspółmierności. Możliwe jest, że jednocześnie może istnieć niewspółmierność filozoficzna z empiryczną współmiernością. W artykule omówiono konsekwencje przedstawionej sytuacji.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2021, 25, 1; 25-48
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Bayesian networks for forecasting future model of farm
    Wykorzystanie sieci bayesowskich do prognozowania przyszłościowego modelu gospodarstwa rolnego
    Autorzy:
    Grotkiewicz, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/93941.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    Bayesian networks
    forecasting
    economic indicators
    agricultural indicators
    farm
    sieci bayesowskie
    prognozowanie
    wskaźniki ekonomiczne
    wskaźniki rolnicze
    gospodarstwo rolne
    Opis:
    Comparative analyses in the national scale were carried out in 300 individual farms from Małopolskie and Świętokrzyskie Voivodeship in order to search for relations between the production intensity level, work performance and land efficiency and factors which shape them. The analyses concerned the use of Bayesian modelling algorithms for forecasting development of various economic and agricultural indicators which decide on the intensity and competitiveness of agriculture. The paper constitutes the second stage of research, which was preceded with previous preparation of data for modelling with the use of an exploratory overview of available data and TwoStep Cluster Analysis (Grotkiewicz et al., 2016). Based on the analyses, which were carried out, networks were built which present the relations between the analyzed variables, and conditional similarities were verified.
    Poszukując zależności między poziomem intensywności produkcji a wydajnością pracy i ziemi oraz czynnikami je kształtującymi, przeprowadzono analizy porównawcze w skali krajowej na tle 300 gospodarstw indywidualnych z województwa małopolskiego i świętokrzyskiego. Analiza dotyczyła zastosowania algorytmów modelowania bayesowskiego do przewidywania rozwoju różnych wskaźników ekonomiczno-rolniczych decydujących o intensywności i konkurencyjności rolnictwa. Praca stanowi drugi etap badań, który poprzedzony był wcześniejszym przygotowaniem danych do modelowania wykorzystując do tego eksploracyjny przegląd dostępnych danych, oraz technikę TwoStep Cluster Analysis (Grotkiewicz i in., 2016). W oparciu o przeprowadzone analizy zbudowano sieci obrazujące związki pomiędzy analizowanymi zmiennymi oraz sprawdzono prawdopodobieństwa warunkowe.
    Źródło:
    Agricultural Engineering; 2017, 21, 2; 69-79
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayesowskie algorytmy obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną
    Ayesian algorithms to calculating symbolic rates of the unreliability and the reliability of the electric supply
    Autorzy:
    Korniluk, W.
    Petelski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/267366.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    sieci bayesowskie
    wskaźniki niezawodności
    obliczenia symboliczne
    Bayesian networks
    reliability indicators
    symbolic calculations
    Opis:
    W referacie przedstawiono wykorzystanie sieci bayesowskich w obliczeniach symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną węzłów odbiorczych. Podano, stosowane przy wyznaczaniu wskaźników niezawodności za pomocą sieci bayesowskich, analityczne zależności na wyznaczanie: prawdopodobieństw bezwarunkowych stanów zdatności i niezdatności elementów układu zasilania danego węzła, łącznego rozkładu tych prawdopodobieństw, prawdopodobieństw warunkowych wystąpienia stanu zasilania lub jego braku oraz intensywności występowania przerw w zasilaniu i średniego czasu ich trwania a także ważność i wkłady poszczególnych elementów w niezawodność zasilania. Przedstawiono sposób uzyskania tych analitycznych zależności za pomocą wybranych instrukcji obliczeń symbolicznych programu Mathematica 8. Omówiono wyniki kontrolnych obliczeń symbolicznych dla wybranych układów zasilania. Zaproponowano sposoby ograniczenia czasu trwania obliczeń symbolicznych wskaźników niezawodności dla wieloelementowych złożonych układów zasilania energią elektryczną.
    The report presents the use of Bayesian networks in calculation of symbolic indicators of reliability and unreliability of the electric power supplying load point. The calculation of indicators of reliability is determined by the analytical dependencies. These dependencies are used to estimate: probability of up or down state of power system components supplying the load point; total probability distribution; conditional probabilities of the state power or lack of power appearance; the intensity of current interruptions and the average time of their duration; contributions of individual power system components in the service reliability. This report describes how to obtain these analytical dependencies, using ultimate application for symbolic computations Mathematica (ver. 8). In this paper we will discuss the results of the symbolic computations for selected supply power system and methods for reducing the duration of symbolic computations of indicators for multiple-compound electrical power systems.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2013, 32; 51-54
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bayesian Algorithms for Calculating Symbolic Rates of the Unreliability and Reliability of the Electric Supply
    Bayesowskie algorytmy obliczeń symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną
    Autorzy:
    Korniluk, W.
    Petelski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/396936.pdf
    Data publikacji:
    2013
    Wydawca:
    ENERGA
    Tematy:
    Bayesian networks
    indicators of reliability
    calculation of symbolic
    sieci bayesowskie
    wskaźniki niezawodności
    obliczenia symboliczne
    Opis:
    The report presents the use of Bayesian networks in the calculation of symbolic indicators of reliability and unreliability of the electric power supplying load point. The calculation of indicators of reliability is determined by the analytical dependencies. These dependencies are used to estimate: probability of up or down state of power system components supplying the load point; total probability distribution; conditional probabilities of the state power or lack of power appearance; the intensity of current interruptions and the average time of their duration; contributions of individual power system components in the service reliability. This report describes how to obtain these analytical dependencies, using the ultimate application for symbolic computations Mathematica (ver. 8). In this paper we will discuss the results of the symbolic computations for selected supply power system and methods for reducing the duration of symbolic computations of indicators for multiple-compound electrical power systems.
    W referacie przedstawiono wykorzystanie sieci bayesowskich w obliczeniach symbolicznych wskaźników zawodności i niezawodności zasilania energią elektryczną węzłów odbiorczych. Podano, stosowane przy wyznaczaniu wskaźników niezawodności za pomocą sieci bayesowskich, analityczne zależności na wyznaczanie: prawdopodobieństw bezwarunkowych stanów zdatności i niezdatności elementów układu zasilania danego węzła, łącznego rozkładu tych prawdopodobieństw, prawdopodobieństw warunkowych wystąpienia stanu zasilania lub jego braku oraz intensywności występowania przerw w zasilaniu i średniego czasu ich trwania, a także ważności i wkładów poszczególnych elementów w niezawodność zasilania. Przedstawiono sposób uzyskania tych analitycznych zależności za pomocą wybranych instrukcji obliczeń symbolicznych programu Mathematica 8. Omówiono wyniki kontrolnych obliczeń symbolicznych dla wybranych układów zasilania. Zaproponowano sposoby ograniczenia czasu trwania obliczeń symbolicznych wskaźników niezawodności dla wieloelementowych złożonych układów zasilania energią elektryczną.
    Źródło:
    Acta Energetica; 2013, 4; 37-47
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod uczenia maszynowego w badaniu czynników wzrostu przedsiębiorczości
    The Use of Machine Learning in Research of Entrepreneurship Growth Factors
    Autorzy:
    Czyżewska, Marta
    Mroczek, Teresa
    Lewicki, Arkadiusz
    Cwynar, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/439389.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
    Tematy:
    analiza wielowymiarowa;
    inteligentna analiza danych;
    przedsiębiorczość;
    sieci bayesowskie;
    wskaźniki dobrego rządzenia na świecie
    Bayesian networks;
    entrepreneurship;
    Intelligent Data Analysis;
    World Governance Indicators
    Opis:
    Przedsiębiorczość ma kluczowe znaczenie zarówno dla wzrostu gospodarczego, jak i rozumianego wielowymiarowo rozwoju, co znalazło odzwierciedlenie w przyjmowaniu jej za jeden z czynników produkcji przez niektóre teorie. Zarówno teoretyczne, jak i empiryczne badania przedsiębiorczości świadczą o tym, że jest ona kształtowana przez wiele różnorodnych czynników, będąc wyjątkowo złożonym zjawiskiem. Tradycyjne metody badawcze okazują się niewystarczające wobec wspomnianej złożoności zjawiska. Niniejszy artykuł prezentuje wyniki badania dotyczącego wpływu poszczególnych wskaźników opracowanych przez Bank Światowy w World Governance Indicators na wzrost przedsiębiorczości. Celem artykułu jest empiryczna weryfikacja przydatności metod uczenia maszynowego w selekcji czynników kluczowych dla przedsiębiorczości w sytuacji, gdy dokonuje się jej z wykorzystaniem dużych zbiorów wielowymiarowych i zmiennych danych. Zastosowana metoda wykazała istotne różnice pomiędzy kluczowymi czynnikami determinującymi wzrost przedsiębiorczości w pięciu grupach krajów, wydzielonych ze względu na wartość tego wzrostu mierzoną przyrostem nowo zakładanych przedsiębiorstw. Otrzymane wyniki świadczą o tym, że do badania istoty i determinant przedsiębiorczości mogą zostać zaprzęgnięte niestandardowe metody, rzucając nowe światło na to zjawisko.
    Entrepreneurship is crucial both for economic growth and development which is reflected in the adoption of entrepreneurship as the factor of production in certain theories. Both theoretical and empirical research present entrepreneurship as a complex phenomenon shaped by a range of different factors. Traditional research methods are insufficient with respect to the complexity of the phenomenon. This article presents the results of research on the impact of the indicators developed by the World Bank in World Governance Indicators on the entrepreneurship growth. The aim of the article is the empirical verification of machine learning use in the selection of key factors for entrepreneurship in situations when applying large multidimensional and variable data. The applied method revealed significant differences between the key factors determining the growth of entrepreneurship in five groups of countries, categorized by the value of this growth measured by the growth in newly established enterprises. The results indicate that the applying unconventional methods to research on entrepreneurship determinants shed new light on this phenomenon.
    Źródło:
    Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego; 2017, 31, 4; 169-186
    2080-1653
    Pojawia się w:
    Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies