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 "bayesian inference" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Badanie determinant pozostawania bez pracy osób młodych z wykorzystaniem semiparametrycznego modelu Coxa
    An analysis of unemployment duration determinants among young people using semiparametric Cox model
    Autorzy:
    Grzenda, Wioletta
    Powiązania:
    https://bibliotekanauki.pl/articles/422828.pdf
    Data publikacji:
    2012
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    bezrobocie
    semiparametryczny model Coxa
    wnioskowanie bayesowskie
    metody MCMC
    unemployment
    semiparametric Cox model
    Bayesian inference
    Markov chain Monte Carlo method
    Opis:
    Obecnie wśród osób rozpoczynających karierę zawodową obserwuje się szczególnie dużą wartość wskaźnika bezrobocia. Celem niniejszego opracowania jest identyfikacja czynników demograficznych oraz społeczno-ekonomicznych wpływających na długość czasu pozostawania bez pracy tych osób. W badaniu wykorzystano m.in. bayesowski semiparametryczny model Coxa dla danych indywidualnych. Wykorzystanie modelu przeżycia daje możliwość analizy jednoczesnego wpływu wybranych zmiennych objaśniających na czas pozostawania bez pracy. Natomiast podejście bayesowskie umożliwia uwzględnienie w badaniu, za pomocą rozkładów a priori, dodatkowej informacji spoza próby. Estymację modeli przeprowadzono z wykorzystaniem metod Monte Carlo opartych na łańcuchach Markowa, a dokładniej algorytmu ARMS.
    High unemployment rates are observed among people beginning job careers nowadays. The aim of the work is to identify demographic and socio-economic factors influencing the unemployment duration in this age group. In this research, Bayesian semiparametric Cox model for individual data has been used. The advantage of survival model is the possibility of the analysis of the impact of selected independent variables on unemployment duration. The Bayesian approach with a priori distribution makes the use of out of the sample knowledge possible. The model has been estimated using Markov chain Monte Carlo method with ARMS algorithm.
    Źródło:
    Przegląd Statystyczny; 2012, 59, numer specjalny 1; 123-139
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On Bayesian Inference for Almost Periodic in Mean Autoregressive Models
    Wnioskowanie bayesowskie dla zmiennej w czasie prawie okresowej funkcji wartości oczekiwanej w modelu autoregresji
    Autorzy:
    Lenart, Łukasz
    Mazur, Błażej
    Powiązania:
    https://bibliotekanauki.pl/articles/1050550.pdf
    Data publikacji:
    2016-09-30
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Bayesian inference
    almost periodic mean function
    autoregressive model
    MCMC sampler
    wnioskowanie bayesowskie
    funkcja prawie okresowa wartości oczekiwanej
    model autoregresji
    próbnik MCMC
    Opis:
    The goal of the paper is to discuss Bayesian estimation of a class of univariate time-series models being able to represent complicated patterns of “cyclical” fluctuations in mean function. We highlight problems that arise in Bayesian estimation of parametric time-series model using the Flexible Fourier Form of Gallant (1981). We demonstrate that the resulting posterior is likely to be highly multimodal, therefore standard Markov Chain Monte Carlo (MCMC in short) methods might fail to explore the whole posterior, especially when the modes are separated. We show that the multimodality is actually an issue using the exact solution (i.e. an analytical marginal posterior) in an approximate model. We address that problem using two essential steps. Firstly, we integrate the posterior with respect to amplitude parameters, which can be carried out analytically. Secondly, we propose a non-parametrically motivated proposal for the frequency parameters. This allows for construction of an improved MCMC sampler that effectively explores the space of all the model parameters, with the amplitudes sampled by the direct approach outside the MCMC chain. We illustrate the problem using simulations and demonstrate our solution using two real-data examples.
    Źródło:
    Przegląd Statystyczny; 2016, 63, 3; 255-272
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estymowane modele równowagi ogólnej i autoregresja wektorowa. Aspekty teoretyczne
    An Estimated General Equilibrium Model and Vector Autoregression. Theoretical Aspects
    Autorzy:
    Wróbel-Rotter, Renata
    Powiązania:
    https://bibliotekanauki.pl/articles/422792.pdf
    Data publikacji:
    2013
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    DSGE-VAR
    dynamiczny stochastyczny model równowagi ogólnej
    wnioskowanie bayesowskie
    specyfikacja rozkładu a priori
    dynamic stochastic general equilibrium model
    Bayesian inference
    prior specification
    Opis:
    Model DSGE-VAR składa się z dwóch modeli autoregresji wektorowej: pierwszy z nich, pomocniczy, jest aproksymacją estymowanego modelu równowagi ogólnej, zapisanego w formie reprezentacji w przestrzeni stanów, i służy konstrukcji rozkładu a priori dla drugiego, szacowanego dla danych obserwowanych. Łączne wnioskowanie o parametrach modelu strukturalnego i autoregresyjnego jest możliwe po zbudowaniu odpowiednich rozkładów prawdopodobieństwa, stanowiących podstawę metod bayesowskich. Kluczową rolę pełni parametr wagowy, ustalający optymalne proporcje obydwu podejść i mający zasadnicze znaczenie dla oszacowania brzegowej gęstości obserwacji, stanowiącej podstawę do porównań mocy wyjaśniającej modeli. Artykuł stanowi syntezę informacji teoretycznych związanych z metodologią DSGE-VAR, i może być traktowany jako etap wstępny i wprowadzający w badania empiryczne.
    The DSGE-VAR model consists of two models of vector autoregressions: the first one approximates linearised solution of the dynamic stochastic general equilibrium model and is used as a tool for construction of a prior distribution for the second one, estimated with the observed data. Combined inference is possible on the basis on probability distributions with the Bayesian techniques. The key role in the hybrid model is played by the weighting parameter that defines the relative proportions of the structural and autoregressive models. It has crucial impact for the marginal data density that allows to compare the power of different models. The main purpose of the paper is to present in details model assumptions and estimation.
    Źródło:
    Przegląd Statystyczny; 2013, 60, 3; 359-380
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza płodności kobiet w Polsce z wykorzystaniem bayesowskiego modelu regresji Poissona
    Fertility analysis of women in Poland using Bayesian Poisson regression model
    Autorzy:
    Grzenda, Wioletta
    Powiązania:
    https://bibliotekanauki.pl/articles/422947.pdf
    Data publikacji:
    2012
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    płodność
    model regresji Poissona
    wnioskowanie bayesowskie
    metody Monte Carlo oparte na łańcuchach Markowa
    fertility
    Poisson regression model
    Bayesian inference
    Markov chain Monte Carlo method
    Opis:
    Celem niniejszej pracy jest zbadanie zachowań prokreacyjnych Polek poprzez identyfikację czynników je determinujących z wykorzystaniem metod bayesowskich. W pracy zastosowano bayesowski model regresji Poissona. Wybrany model umożliwił określenie kierunku i skali wpływu wybranych czynników na liczbę dzieci posiadanych przez kobiety. Natomiast podejście bayesowskie dało możliwość włączenia do modelu informacji a priori oraz lepsze oszacowanie parametrów modelu. W estymacji wykorzystano metody Monte Carlo oparte na łańcuchach Markowa, a w szczególności próbnik Gibbsa. Badanie przeprowadzono na podstawie danych indywidualnych pochodzących z polskiego badania retrospektywnego „Przemiany rodziny i wzorce dzietności w Polsce” (1991). W analizie płodności kobiet uwzględniono następujące czynniki: miejsce zamieszkania, wykształcenie, fakt pozostawania w związku małżeńskim, zatrudnienie oraz wyznanie. Otrzymane rezultaty porównano z dotychczasowymi wynikami badań dla Polski i innych krajów.
    The primary objective of the work is to use Bayesian methods to investigate women fertility in Poland and identify key factors influencing it. Bayesian Poisson regression model has been used in the analysis. The model allows determining factors that have a significant impact on the number of children born. Moreover Bayesian approach makes it possible to incorporate a priori knowledge and improve the estimation of model parameters. The model has been estimated using Markov chain Monte Carlo method with Gibbs sampling. The work has been based on the Polish study ”Family changes and Fertility Patterns in Poland” (1991). The following attributes have been considered in the analysis of women fertility: place of living, education, marital status, employment and religion. The results have been compared with the results of related research for Poland and other countries.
    Źródło:
    Przegląd Statystyczny; 2012, 59, 2; 179-198
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estymowane modele równowagi ogólnej i autoregresja wektorowa. Aspekty praktyczne
    An Estimated General Equilibrium Model and Vector Autoregression. Practical Issues
    Autorzy:
    Wróbel-Rotter, Renata
    Powiązania:
    https://bibliotekanauki.pl/articles/423053.pdf
    Data publikacji:
    2013
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    DSGE-VAR
    dynamiczny stochastyczny model równowagi ogólnej
    wnioskowanie bayesowskie
    brzegowa gęstość obserwacji
    specyfikacja rozkładu a priori
    zbieżność MCMC
    dynamic stochastic general equilibrium model
    Bayesian inference
    marginal data density
    prior specification
    convergence diagnostics of MCMC
    Opis:
    Model DSGE-VAR składa się z dwóch modeli wektorowej autoregresji: pierwszy z nich jest aproksymacją liniowego rozwiązania estymowanego modelu równowagi ogólnej i służy konstrukcji rozkładu a priori dla drugiego, szacowanego dla danych obserwowanych. Opracowanie jest poświęcone szczegółowemu omówieniu aspektów praktycznych, zawiązanych z modelami DSGE-VAR. Główny nacisk został położony na zagadnienia specyfikacji a priori dla parametru wagowego: rozpatrzono szereg modeli warunkowych oraz modele z estymowanym parametrem wagowym, po przyjęciu alternatywnych rozkładów a priori: jednostajnego, przesuniętego gamma i zmodyfikowanego rozkładu beta. Oszacowanie szeregu modeli warunkowych pozwala na ujawnienie znacznej zmienności logarytmu brzegowej gęstości obserwacji implikujących wrażliwość czynników Bayesa, istotnie zmieniających się w odpowiedzi na niewielkie zmiany specyfikacji rozkładu a priori dla parametru wagowego. Estymacja modelu pełnego pozwala na optymalne ustalenie rzędu opóźnienia wektorowej autoregresji oraz sprawdzenie wrażliwości wnioskowania a posteriori o parametrze wagowym w zależności od typu i rozproszenia rozkładu a priori. W drugiej części opracowania omówiono sposoby oceny stabilności numerycznej w modelach DSGE-VAR.
    The DSGE-VAR model consists of two models of vector autoregressions: the first one approximates the linearised solution of the dynamic stochastic general equilibrium model and is used as a tool for construction of a prior distribution for the second one, estimated with the observed data. The main purpose of the paper is to present practical aspects of DSGE-VAR estimation, verification and comparison, based on the marginal data density. It can be obtained after considering conditional models or by estimation of fully specified models, after assuming uniform, generalised gamma and modified beta distributions. The conditional models lead to serious variability of the Bayes factors that has little economic interpretation. Posterior inference for the weighting parameter from fully estimated models is less sensitive to its prior specification. In the second part of the paper author discusses convergence diagnostics used for checking stability of MCMC algorithms.
    Źródło:
    Przegląd Statystyczny; 2013, 60, 4; 477-498
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    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