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 1-3 z 3
    Tytuł:
    THE ANALYSIS OF CHANCES OF YOUNG AND MIDDLE-AGED PEOPLE FOR HAVING A JOB USING BAYESIAN LOGISTIC REGRESSION MODEL
    Autorzy:
    Grzenda, Wioletta
    Powiązania:
    https://bibliotekanauki.pl/articles/453708.pdf
    Data publikacji:
    2017
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    employment
    logistic regression
    Bayesian inference
    MCMC
    Opis:
    The aim of this article is to analyze the chances of having a job using Bayesian logistic regression model. In this study both young and middle-aged people have been considered. The individual characteristics of economically active people have a significant impact on their labour market status. In this research the commonly studied set of features has been extended by adding the following characteristics: marital status, financial situation of the household, health assessment and the fact of living with parents in the case of young people. In this study, Bayesian logistic regression model has been used. The Bayesian approach enabled us to incorporate information from previous studies.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2017, 18, 1; 27-37
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The advantages of bayesian methods over classical methods in the context of credible intervals
    Autorzy:
    Grzenda, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/94933.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    Bayesian inference
    confidence intervals
    MCMC
    logistic regression
    unemployment
    wnioskowanie bayesowskie
    przedziały ufności
    regresja logistyczna
    bezrobocie
    Opis:
    The growing computational power of modern computer systems enables the efficient execution of algorithms. This is particularly important in Bayesian statistics, in which, nowadays, the key role is played by Markov Chain Monte Carlo methods. The primary objective of this work is to show the benefits arising from the use of Bayesian inference, especially confidence intervals in the context of logistic regression. The empirical analysis is based on "Household budgets" survey of Central Statistical Office. In this paper the unemployment among people over 55 will be investigated.
    Źródło:
    Information Systems in Management; 2015, 4, 1; 53-63
    2084-5537
    2544-1728
    Pojawia się w:
    Information Systems in Management
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Learning causal theories with non-reversible MCMC methods
    Autorzy:
    Krajewska, Antonina
    Powiązania:
    https://bibliotekanauki.pl/articles/2183467.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    Bayesian inference
    causal systems
    directed acyclic graph
    MCMC
    non-reversible Markov processes
    search and score methods
    Opis:
    Causal laws are defined in terms of concepts and the causal relations between them. Following Kemp et al. (2010), we investigate the performance of the hierarchical Bayesian model, in which causal systems are represented by directed acyclic graphs (DAGs) with nodes divided into distinct categories. This paper presents two non-reversible search and score algorithms (Q1 and Q2) and their application to the causal learning system. The algorithms run through the pairs of class-assignment vectors and graph structures and choose the one which maximizes the probability of given observations. The model discovers latent classes in relational data and the number of these classes and predicts relations between objects belonging to them. We evaluate its performance on prediction tasks from the behavioural experiment about human cognition. Within the discussed approach, we solve a simplified prediction problem when object classification is known in advance. Finally, we describe the experimental procedure allowing in-depth analysis of the efficiency and scalability of both search and score algorithms.
    Źródło:
    Control and Cybernetics; 2021, 50, 3; 323--361
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    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