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 "Kwantyle" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    SOME PROPERTIES OF SPATIAL QUANTILES
    WYBRANE WŁASNOŚCI PRZESTRZENNYCH KWANTYLI
    Autorzy:
    Trzpiot, Grażyna
    Powiązania:
    https://bibliotekanauki.pl/articles/654660.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Analizy wielowymiarowe
    przestrzenne kwantyle
    estymacja przestrzennych kwantyli.
    Multivariate quantile analysis
    spatial quantiles
    spatial quantiles estimators.
    Opis:
    Warunkowe kwantyle są wykorzystywane w ekonomii, biomedycynie lub w przemyśle. Mamy problemy z wprowadzeniem relacji porządku w obserwacjach wielowymiarowych, co przenosi się również na uogólnienie definicji kwantyli oraz warunkowych kwantyli (regresji kwantylowej) w przestrzeni wielowymiarowej. Omówimy własności przestrzennych kwantyli oraz ich estymatory. Wnioskowanie nieparamertyczne jest wykorzystywane przy opisie kwantylowym. Przedstawimy różne notacje wielowymiarowych kwantyli oraz przestrzennych funkcji kwantylowych w zapisie dla próby badawczej.
    Conditional quantiles are required in various economic, biomedical or industrial problems. Lack of objective basis for ordering multivariate observations is a major problem in extending the notion of quantiles or conditional quantiles (also called regression quantiles) in a multidimensional setting. We present characterisations of the spatial quantiles and the corresponding estimators. Nonparametric inference is very naturally quantile-based, and in recent years various notions of multivariate quantiles the spatial quantile function for whose sample version have been recalled.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 5, 307
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Investment Risk Measurement Based on Quantiles and Expectiles
    Pomiar ryzyka inwestycyjnego z wykorzystaniem kwantyli i oczekiwań
    Autorzy:
    Trzpiot, Grażyna
    Powiązania:
    https://bibliotekanauki.pl/articles/654634.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    kwantyle
    oczekiwania
    VaR
    CVaR
    asymetryczny model najmniejszych kwadratów
    quantile
    expectile
    least asymmetrically weighted squares
    Opis:
    W badaniach starano się przyjrzeć szczegółowemu pomiarowi ryzyka inwestycyjnego. Użyto regresji kwantylowej jako modelu, opisując bardziej ogólne właściwości rozkładu stopy zwrotu. W regresji kwantylowej przyjęto efekty regresji względem warunkowych kwantyli regresorów. W modelu regresji skoncentrowano się na rozszerzeniu regresji liniowej (OLS), wykorzystując regresję oczekiwań. Celem zastosowania obu podejść jest pomiar ryzyka inwestycyjnego. Obydwa modele regresji są wersją ważonego modelu najmniejszych kwadratów. Najczęściej stosowanymi rodzinami miar ryzyka, poza miarami zmienności, są miary zagrożenia, a w praktyce wartość zagrożona (VaR) i warunkowa wartość zagrożona ryzykiem (CVaR). Można je oszacować przez kwantyle lub oczekiwania wyznaczone w ogonie rozkładu odpowiedzi.
    In the presented research, we attempt to examine special investment risk measurement. We use quantile regression as a model by describing more general properties of the response distribution. In quantile regression, we assume regression effects on the conditional quantile function of the response. In regression modelling, the focus is on extending linear regression (OLS), and in this paper we seek to apply expectile regression. The purpose of using both approaches is investment risk measurement. Both regression models are a version of least weighted squares model. The families of risk measures most commonly used in practice are the Value‑at‑Risk (VaR) and the Conditional Value‑at‑Risk (CVaR), which can be estimated by quantiles or expectiles in the tail of the response distribution.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 5, 338; 213-227
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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