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 "forecasting model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Wykorzystanie modelu PCM w prognozowaniu potencjału zawodowego kandydatów do pracy
    Using PCM model in the prediction of career potential of candidates for a job
    Autorzy:
    Zięba, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/424863.pdf
    Data publikacji:
    2014
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    forecasting
    career potential
    Polytomous IRT Model
    Partial Credit Model
    Opis:
    The issue of career potential is currently very popular. Experience and potential − that is what the most of employers are looking for. Employers are wondering whether the candidate has the potential to take on a new challenge training. The article attempts to bring the issue to measure the career potential. It presents the most common tools used by employers in the recruitment process and the most common mistakes committed by them. In the next part PCM model is shown, which can be a helpful tool in recruitment procedures − a tool used to assess the potential of training.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2014, 4(46); 43-51
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting risk of decision – making processes
    Autorzy:
    Zemke, Jerzy
    Powiązania:
    https://bibliotekanauki.pl/articles/425110.pdf
    Data publikacji:
    2013
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    risk
    risk model
    risk measures
    risk states
    forecasting risk states
    Opis:
    What is the risk of decision-making processes, what causes it? Most typically, definitions of risk are ex post – they are looking at risk as a difference between expectations of results of actions taken and the actual performance. This is a considerable inconvenience, especially in cases when processes are of a long-term nature. Thus, is it possible to measure risk in the course of the decision-making processes? How can this be done and in what conditions can risk measures be extrapolated? An analysis of the definitions of risk shows that the one which is the most useful for solving the problem undertaken in the present study, is given by K. and T. Jajuga, “…the term of risk will refer to a decision, or, to be more precise, to an action taken as a result. One may therefore speak of taking risky decisions”. The authors make it clear that a risky decision is uncertainty as to “…the possibility for people to control the factors that determine the reality”. This suggestion, if accepted, enables one to construct a risk model as a random vector whose components are control variables of the decisionmaking processes taking place. In consequence, this makes it possible to estimate statistic measures of risk. Risk measures indicating the level of risk at moment t of decision-making processes represent a foundation of the problem announced by the title of the present study. Although they are merely a set of risk estimations, i.e. an assessment of its state, they nevertheless provide an opportunity to forecast risk levels within the period in which the processes occur, thus providing valuable information for decisions-makers.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2013, 1(39); 30-39
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modeling and Forecasting of Monthly Global Price of Bananas Using Seasonal Arima And Multilayer Perceptron Neural Network
    Modelowanie i prognozowanie miesięcznej globalnej ceny bananów z wykorzystaniem sezonowej ARIMA i wielowarstwowej sieci neuronowej perceptronowej
    Autorzy:
    Chi, Yeong Nain
    Chi, Orson
    Powiązania:
    https://bibliotekanauki.pl/articles/1748958.pdf
    Data publikacji:
    2021
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    bananas
    global price
    time series
    modeling
    forecasting
    seasonal ARIMA
    multilayer perceptron neural network
    banany
    cena globalna
    szeregi czasowe
    modelowanie
    prognozowanie
    sezonowy model ARIMA
    wielowarstwowa sieć neuronowa perceptronowa
    Opis:
    The primary purpose of this study was to pursue the analysis of the time series data and to demonstrate the role of time series model in the predicting process using long-term records of the monthly global price of bananas from January 1990 to November 2020. Following the Box-Jenkins methodology, ARIMA(4,1,2)(1,0,1)[12] with the drift model was selected to be the best fit model for the time series, according to the lowest AIC value in this study. Empirically, the results revealed that the MLP neural network model performed better compared to ARIMA(4,1,2)(1,0,1)[12] with the drift model at its smaller MSE value. Hence, the MLP neural network model can provide useful information important in the decision-making process related to the impact of the change of the future global price of bananas. Understanding the past global price of bananas is important for the analyses of current and future changes of global price of bananas. In order to sustain these observations, research programs utilizing the resulting data should be able to improve significantly our understanding and narrow projections of the future global price of bananas.
    Podstawowym celem tego badania była analiza danych szeregów czasowych oraz wskazanie ważności modelu szeregów czasowych w procesie predykcji z wykorzystaniem długoterminowych zapisów miesięcznej ceny bananów na świecie od stycznia 1990 r. do listopada 2020 r. Zgodnie z metodologią Boxa-Jenkinsa wybrano jako najlepiej dopasowany dla szeregu czasowego model ARIMA(4,1,2)(1,0,1)[12] z dryfem, zgodnie z najniższą wartością AIC. Na podstawie wyników empirycznych stwierdzono, że model sieci neuronowej MLP działał lepiej w porównaniu z modelem ARIMA(4,1,2)(1,0,1)[12] z dryfem z mniejszą wartością MSE. Wynika z tego, że model sieci neuronowej MLP może dostarczyć użytecznych informacji, które są ważne w procesie decyzyjnym dotyczącym wpływu zmian przyszłej globalnej ceny bananów. Postrzeganie przeszłych światowych cen bananów jest ważne dla analiz zarówno bieżących, jak i przyszłych zmian światowych cen. Aby podtrzymać te obserwacje, programy badawcze wykorzystujące uzyskane dane powinny umożliwiać znaczne poprawianie wnioskowania i zawężać prognozy przyszłych światowych cen bananów.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2021, 25, 3; 21-41
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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