Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Markov Chain Monte Carlo" wg kryterium: Temat


Wyświetlanie 1-2 z 2
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:
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
    Wyświetlanie 1-2 z 2

    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