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 "Model regresji" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Kreowanie mobilności mieszkańców miast jako nowy obszar wartości miasta
    Creation of Mobility of Urban Population as a New Area of City Value
    Autorzy:
    Cheba, Katarzyna
    Saniuk, Sebastian
    Powiązania:
    https://bibliotekanauki.pl/articles/589313.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Kreowanie mobilności
    Model regresji logistycznej
    Wartość miasta
    City value
    Creation o f mobility
    Logistic regression model
    Opis:
    Wartość to pojęcie rozpatrywane w ramach różnych dyscyplin naukowych. Interesująca z punktu widzenia miasta jest stosunkowo nowa koncepcja wartości regionu, którą można analogicznie rozpatrywać w kontekście miasta. Zgodnie z tą koncepcją, wartość regionu tworzą wartości: finansowa, inwestycyjna, kapitału ludzkiego oraz społeczna. Opisana w ten sposób wartość jest pojęciem wielowymiarowym. Celem pracy jest analiza możliwości i zasadności włączenia obszaru związanego z warunkami decydującymi o sprawności przemieszczania się mieszkańców w obrębie miasta do obszarów składających się na wartość miasta. W pracy do analizy zachowań komunikacyjnych mieszkańców wykorzystano model regresji logistycznej.
    The value is the concept which is considered in the various disciplines. One interesting and relatively new concept from the point of view of the city, is that of the region value. According to this concept, the value of region includes the following: financial, investment, human capital and social. The value described in this way is a multi-dimensional concept. The purpose of the study is to analyze the possibility and advisability of inclusion of an area associated with the conditions that determine the efficiency of the movement of residents within the city to areas consisting the value of the city. In this paper in order to analyze the behavior of residents' communication the logistic regression model was employed.
    Źródło:
    Studia Ekonomiczne; 2015, 249; 134-144
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model regresji grzbietowej i jego wykorzystanie do oceny ryzyka inwestycyjnego - przypadek rynku metali
    Ridge regression model and its application in investment risk assessment - the case of metals market
    Autorzy:
    Krężołek, Dominik
    Powiązania:
    https://bibliotekanauki.pl/articles/590856.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Model regresji
    Regresja grzbietowa
    Rynek metali
    Ryzyko
    Współliniowość
    Co-linearity
    Metals market
    Regression model
    Ridge regression
    Risk
    Opis:
    Modele regresji są powszechnie wykorzystywanymi narzędziami statystyki, a także innych nauk ilościowych, służącymi do wykrywania związków w obrębie analizowanych danych oraz do prowadzenia predykcji wielkości zestawu zmiennych objaśnianych na podstawie realizacji zestawu zmiennych objaśniających. Istnieje wiele metod umożliwiających szacowanie nieznanych parametrów modeli regresji, m.in. MNK, MNW, MM, jednakże nie zawsze uzyskane estymatory spełniają wymagane założenia (co do swoich własności oraz co do własności modelu). Istotny stopień współliniowości uniemożliwia właściwe wnioskowanie na podstawie modeli klasycznych. W artykule podjęto próbę wykorzystania regresji grzbietowej do modelowania ryzyka inwestycji na rynku metali. Model wykorzystuje parametr kary, umożliwiający redukcję zmiennych współliniowych, a tym samym uzyskanie prostszej postaci funkcji regresji. Dodatkowo zmniejsza się obciążenie oraz wariancja estymatorów parametrów modelu.
    Regression models are commonly used statistical tool (and other quantitative sciences), which allows for modelling relations within analyzed datasets. One of their most important features is the prediction property. In the literature there are a lot of methods for estimating unknown parameters of regression models, e.g. Maximum Likelihood, Ordinary Least Squares etc., but estimated parameters not always meet the required assumptions (regarding their properties itself and the properties of selected model). Colinearity between data prevents from correct inferring using classical models. The aim of the article is the application of ridge regression model in risk assessment on the metals market. The model uses so-called penalty parameter allowing for elimination of co-linear variables and makes the model more simpler. Additionally, the bias of the estimators and their variances reduce.
    Źródło:
    Studia Ekonomiczne; 2016, 288; 21-32
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimation of regression parameters of two dimensional probability distribution mixtures
    Estymacja parametrów regresji mieszanki dwuwymiarowych rozkładów prawdopodobieństwa
    Autorzy:
    Sitek, Grzegorz
    Powiązania:
    https://bibliotekanauki.pl/articles/592694.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    EM algorithm
    Least squares method for an implicite interdependence
    Mixture regression model
    Algorytm EM
    Metoda najmniejszych kwadratów dla zależności niejawnych
    Mieszanki regresji
    Opis:
    We use two methods of estimation parameters in a mixture regression: maximum likelihood (MLE) and the least squares method for an implicit interdependence. The most popular method for maximum likelihood esti-mation of the parameter vector is the EM algorithm. The least squares method for an implicit interdependence is based solving systems of nonlinear equations. Most frequently used method in the estimation of parameters mixtures regression is the method of maximum likelihood. The article presents the possibility of using a different the least squares method for an implicit interdependence and compare it with the maximum likelihood method. We compare accuracy of two methods of estimation by simulation using bias: root mean square error and bootstrapping standard errors of estimation.
    Do estymacji parametrów mieszanek regresji stosujemy dwie metody: metodę największej wiarygodności oraz metodę najmniejszych kwadratów dla zależności niejawnych. Najbardziej popularną metodą polegającą na maksymalizacji funkcji wiarygodności jest algorytm EM. Metoda najmniejszych kwadratów dla zależności niejawnych polega na rozwiązaniu układu równań nieliniowych. Najczęściej stosowaną metodą estymacji parametrów mieszanek regresji jest metoda największej wiarygodności. W artykule pokazano możliwość zastosowania innej metody najmniejszych kwadratów dla zależności niejawnych. Obie metody porównujemy symulacyjnie, używając obciążenia estymatora, pierwiastka błędu średniokwadratowego estymatora oraz bootstrapowe błędy standardowe.
    Źródło:
    Studia Ekonomiczne; 2016, 304; 30-46
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    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