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 "inférence" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    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:
    Bayesian Exponential Survival Model in the Analysis of Unemployment Duration Determinants
    Bayesowski wykładniczy model przeżycia w analizie determinant długości czasu pozostawania bez pracy
    Autorzy:
    Grzenda, Wioletta
    Powiązania:
    https://bibliotekanauki.pl/articles/906856.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    unemployment
    survival exponential model
    Bayesian inference
    MCMC method
    Opis:
    The primary objective of the work is to identify demographic and socio-economic factors influencing the unemployment duration in the recent period in Poland. Different approaches to the problem have been applied. In this paper we have used a survival parametric model in Bayesian approach. The following determinants have been concerned in the model: sex, marital status, education level, information about continuing an education, region of Poland, and age of respondent. The empirical analysis is based on “Household budgets in 2008” survey of Central Statistical Office and indicates the main factors influencing unemployment duration.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2012, 269
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Significance of Prior Information in Bayesian Parametric Survival Models
    Znaczenie informacji a priori w bayesowskich parametrycznych modelach przeżycia
    Autorzy:
    Grzenda, Wioletta
    Powiązania:
    https://bibliotekanauki.pl/articles/905774.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    survival parametric models
    Bayesian inference
    prior distribution
    MCMC method
    unemployment
    Opis:
    The Bayesian approach gives the possibility of using in the research additional information that is external to the sample. The primary objective of this paper is to analyse the impact of the prior information on the posterior distribution in Bayesian parametric survival models. In this work the exponential models and Weibull models with different prior distributions have been estimated and compared. The aim of this research is to investigate the determinants of unemployment duration. The models have been estimated using Markov chain Monte Carlo method with Gibbs sampling.
    W pracy przedstawiono parametryczne modele przeżycia w ujęciu bayesowskim. Podejście bayesowskie wymaga zadania rozkładów a priori dla szacowanych parametrów modelu. Rozkład a priori parametru jest rozkładem prawdopodobieństwa, który wyraża całą wiedzę badacza o szacowanym parametrze przed sprawdzeniem aktualnych danych. W literaturze przedmiotu często spotyka się nieinformacyjne rozkłady a priori, które wyrażają brak wstępnej wiedzy badacza o szacowanych parametrach modelu. W celu pokazania znaczenia informacji a priori oraz jej wpływu na rozkład a posteriori oszacowano kilka parametrycznych modeli przeżycia przy różnych rozkładach a priori. Przedmiot badań stanowią determinanty długości czasu pozostawania bez pracy.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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 1-5 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