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 "Sitek, Grzegorz" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    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
    Tytuł:
    Modeling income on the basis of distribution mixture
    Autorzy:
    Sitek, Grzegorz
    Powiązania:
    https://bibliotekanauki.pl/articles/584955.pdf
    Data publikacji:
    2014
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    finite mixture
    income distribution
    maximum likelihood estimate
    EM algorithm
    number of components
    Opis:
    Finite mixtures of probability distributions may be successfully used in the modeling of probability distributions of incomes. These distributions are typically heavy tailed and positively skewed. This article deals with the problem of determining the number of components in mixture modeling. This paper considers the likelihood of ratio-based testing of the null hypothesis of homogeneity in mixture models. The number of components is an important parameter in the applications of finite mixture models.
    Źródło:
    Mathematical Economics; 2014, 10(17); 79-90
    1733-9707
    Pojawia się w:
    Mathematical Economics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Loss modeling with mixtures distributions in R package
    Autorzy:
    Sitek, Grzegorz
    Powiązania:
    https://bibliotekanauki.pl/articles/434037.pdf
    Data publikacji:
    2017
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    finite mixture of distributions
    loss distribution
    maximum likelihood estimate
    EM algorithm
    Opis:
    Finite mixtures of probability distributions may be successfully used in the modeling of probability distributions of losses. These distributions are typically heavy tailed and positively skewed. Finding the distribution that fits loss data well is often difficult. The paper shows that the use of mixed models can significantly improve the goodness-of-fit of the loss data. The paper also presents an algorithm to find estimates of parameters of mixture distribution and gives an illustrative example. The analytical approach is probably the most often used in practice and certainly the most frequently adopted in the actuarial literature. It is reduced to finding a suitable analytical expression which fits the observed data well. For parameters estimation we use the maximum likelihood method applying the Newton-Raphson and EM algorithm. Computations of goodness-of-fit can be judged using the Akaike information criterion.
    Źródło:
    Śląski Przegląd Statystyczny; 2017, 15 (21); 183-200
    1644-6739
    Pojawia się w:
    Śląski Przegląd Statystyczny
    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