Informacja

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

Wyszukujesz frazę "selection probability" wg kryterium: Temat


Wyświetlanie 1-6 z 6
Tytuł:
Probability Sample Selection Method in Household Surveys When Current Data on Regional Population is Unavailable
Autorzy:
Ünalan, Turgay
Öztaş Ayhan, H.
Powiązania:
https://bibliotekanauki.pl/articles/465900.pdf
Data publikacji:
2013
Wydawca:
Główny Urząd Statystyczny
Tematy:
data adjustment
household surveys
population projection
projection methodology
sample selection
selection probability
Opis:
Availability of the perfect sampling frame only exists in developed countries, which covers a very small proportion of the world countries. On the other hand, in developing countries lists of the latest population census counts are generally used as the sampling frame for sample surveys. Therefore, in developing countries surveys which are planned for future periods long after the census date, cannot be representative of the related time period if the same census counts are utilized. Instead, population projections and data adjustment methodologies must be used to provide a representative probability selection of the updated population. This article proposes a population projection and adjustment methodology in order to establish the ideal selection probability for household surveys. The method contains the correction on the differences of the sum of strata and aggregated values. Comparative examples are also provided to clarify the proposed methodology.
Źródło:
Statistics in Transition new series; 2013, 14, 2; 217-230
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Theoretical Investigation of Different Diversity Combining Techniques in Cognitive Radio
Autorzy:
Agarwal, R.
Srivastava, N.
Katiyar, H.
Powiązania:
https://bibliotekanauki.pl/articles/309425.pdf
Data publikacji:
2018
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
cognitive radio
complementary ROC
post examining selection
probability of detection
probability of false alarm
switch combining
examine combining
Opis:
In this paper, the performance of an energy detector in cognitive radio, using different diversity combining techniques, is evaluated. Among many diversity combining techniques, maximal ratio combining (MRC) gives the best results but at the cost of the highest complexity. To design a simpler receiver, it is suggested to use less complex combining techniques, i.e. switched diversity, which provides one of the least complex solutions to combat fading. The paper analyzes two switched diversity schemes, switch examine combining (SEC), and switch examine combining with post examining selection (SECp). A closed form expression determining the probability of detection using MRC, SEC and SECp is derived for various numbers of branches. Detection performance with different diversity combining techniques is compared and the complexity trade-off is observed.
Źródło:
Journal of Telecommunications and Information Technology; 2018, 3; 64-69
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of the longwall face crew with respect to stochastic character of the production process – Part 1 – Procedural description
Wyznaczanie obsady przodka ścianowego z uwzględnieniem stochastycznego charakteru procesu produkcyjnego. Cz. 1 – Opis metody
Autorzy:
Snopkowski, R.
Sukiennik, M.
Powiązania:
https://bibliotekanauki.pl/articles/220030.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
obsada przodka ścianowego
funkcje gęstości prawdopodobieństwa
cykl produkcyjny
przodek ścianowy
longwall face crew selection
probability function density
production cycle
longwall face
Opis:
A proposal of the method aimed at the longwall face crew selection with respect to stochastic character of the production process has been described in this study. Modules, which can be isolated from the production cycle, as well as methods of determination of the probability function density describing duration of individual action realized in production process, have been described in the first part of the study. Procedure of crew selection of individual modules, including optional crew selection, has been described in next chapters. Statement of action, which should be executed in order to apply the proposed method, including final conclusions, is discussed in the last chapter.
Zagadnienie wyznaczania obsady przodka ścianowego jest przedmiotem badań i analiz praktycznie od momentu rozpoczęcia stosowania systemu ścianowego w kopalniach węgla kamiennego. Metoda opisana w niniejszej pracy uwzględnia jednak czynnik dotychczas nie uwzględniany w opracowaniach z tego zakresu, a mianowicie stochastyczny charakter realizowanego w przodku procesu. Początki prac z zakresu analizy funkcjonowania przodków ścianowych z uwzględnieniem stochastycznego charakteru procesu produkcyjnego sięgają lat 90 - tych, kiedy zaczęto wykorzystywać metodę symulacji stochastycznej jako metodę badawczą. Pierwszym krokiem w proponowanej metodzie jest podział procesu produkcyjnego na moduły. Kryterium podziału stanowi sposób realizacji poszczególnych czynności lub operacji w danym module. Zaproponowano cztery rodzaje modułów i oznaczono odpowiednio literami od A do D. Moduły typu A to moduły z czynnościami wykonywanymi w sposób równoległy, wśród których występuje tzw. czynność wiodąca. Czynność wiodąca jest to taka czynność, której realizacja nie powinna być wstrzymywana z powodu zbyt wolnego wykonywania pozostałych czynności występujących w tym module. Moduły typu B to takie, w których czynności lub operacje wykonywane są w sposób równoległy, ale wśród niech nie występuje czynność wiodąca. Czynności wykonywane w sposób szeregowy charakteryzują moduły typu C. W modułach tych może być wykonywana dowolna ilość czynności w układzie szeregowym, dodatkowo czynność pojedynczą traktuje się jak szeregową. Moduły typu A, B i C wyodrębnione są z cyklu produkcyjnego na rysunku 1. Cechą charakterystyczną modułów typu D jest występowanie czynności lub operacji zarówno w układzie równoległym, jak i szeregowym. Na rysunku 2 zamieszczono przykład takiego modułu. Kolejnym krokiem w metodzie wyznaczania obsady przodka ścianowego jest wyznaczenie funkcji gęstości prawdopodobieństwa, opisujących czas realizacji poszczególnych czynności w ramach wyodrębnionych modułów. Schemat wyznaczania funkcji opisujących czas trwania czynności lub operacji w ramach modułów zamieszczono na rysunku 3. Przestawiony schemat zakłada zebranie danych pomiarowych a następnie przeprowadzenie analizy statystycznej, która polega na wyznaczeniu funkcji aproksymujących f1,i,j, mających własności funkcji gęstości prawdopodobieństwa. Funkcje te opisują czas realizacji czynności lub operacji „i”-tej wykonywanej w ramach danego modułu „j”-tego, na odcinku jednego metra. Następnie wyznacza się splot otrzymanych funkcji w celu wyznaczenia funkcji splotowych fi,j , które opisują czas realizacji czynności lub operacji „i”-tej w danym module „j”-tym. Otrzymane funkcje splotowe mają własności funkcji gęstości prawdopodobieństwa. Można je wyznaczyć dwiema metodami: metodą analityczną lub metodą symulacyjną. W metodzie analitycznej wykorzystuje się definicję splotu funkcji, natomiast w metodzie symulacyjnej schemat postępowania, który zamieszczono na rysunku 4. Jeżeli w module znajdują się czynności lub operacje, które mogą być wykonywane przez różną liczbę pracowników (obsadę), wówczas funkcja fi,j wyznaczana jest dla każdego wariantu obsady z osobna. Symbolem „k” oznaczono obsadę, dla której funkcja fi,j została wyznaczona. Po wyznaczeniu funkcji gęstości prawdopodobieństwa, opisujących czas realizacji poszczególnych czynności, następuje wyznaczenie obsady w ramach poszczególnych modułów. W związku z wydzieleniem trzech typów modułów przedstawiono algorytmy wyznaczania obsady uwzględniające to zróżnicowanie. Algorytm wyznaczania obsady dla modułów z czynnościami lub operacjami równoległymi i wiodącymi przedstawiony jest w rozdziale 4.1. Na rysunku 5 zamieszczono przykład modułu, w którym występuje czynność wiodąca a następnie z wykorzystaniem wzorów od 1 do 4 opisano procedurę postępowania przy wyznaczaniu obsady w modułach typu A. Algorytm wyznaczania obsady dla modułów z czynnościami lub operacjami równoległymi bez wiodących opisano w rozdziale 4.2. Na rysunku 6 zmieszczono przykładowy moduł z dwiema czynnościami równoległymi, z których żadna nie jest wiodącą. Wzorami od 5 do 10 opisano procedurę wyznaczania obsady w modułach typu B. Moduły typu C oraz schemat wyznaczania obsady opisane są w rozdziale 4.3. Rysunek 7 prezentuje przykładowy moduł z dwiema czynnościami szeregowymi, a wzory od 11 do 15 przedstawiają proces wyznaczania obsady w modułach tego typu. Algorytm wyznaczania obsady dla modułów z czynnościami lub operacjami wykonywanymi szeregowo i równolegle zaprezentowany jest w rozdziale 4.4. Na rysunku 8 zamieszczono przykładowy moduł, a wzory od 16 do 26 prezentują procedurę wyznaczania obsady w modułach typu D. Zaproponowana metoda zakłada wykorzystanie funkcji gęstości prawdopodobieństwa czasów trwania czynności do wyznaczania obsady przodka wydobywczego. W metodzie wykorzystano odmienne od deterministycznego podejście, polegające na traktowaniu czasów realizacji czynności jako zmiennych losowych. Zastosowanie opracowanej metody wymaga realizacji szeregu czynności, z których najważniejsze to: - identyfikacja kluczowych czynności w procesie produkcyjnym, - podział procesu produkcyjnego na charakterystyczne moduły, ze względu na jednoczesność realizacji czynności, - identyfikacja funkcji gęstości czasów trwania czynności w wydzielonych modułach, - przyjęcie wstępnych wariantów obsady dla poszczególnych modułów - optymalizacja obsady w modułach poprzez uwzględnienie prawdopodobieństw realizacji czynności przy założonej obsadzie z uwzględnieniem charakteru modułów. Można także zauważyć, ze: 1. Każdy proces produkcyjny można podzielić na skończoną liczbę modułów różniących się jednoczesnością realizacji czynności. 2. Wyodrębnianie z procesu produkcyjnego modułów, pozwala na łatwiejszą analizę procesu produkcyjnego, a co za tym idzie ułatwia dobór obsady. 3. Użyte w metodzie kryterium prawdopodobieństwa osiągnięcia założonego czasu trwania realizacji modułu, pozwala na racjonalny dobór obsady, gdyż realizacja modułu jako całości ma wyższy priorytet niż realizacja poszczególnych czynności.
Źródło:
Archives of Mining Sciences; 2012, 57, 4; 1071-1088
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Graphics processing units in acceleration of bandwidth selection for kernel density estimation
Autorzy:
Andrzejewski, W.
Gramacki, A.
Gramacki, J.
Powiązania:
https://bibliotekanauki.pl/articles/330819.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
bandwidth selection
graphics processing unit
probability density function
nonparametric estimation
kernel estimation
szerokość pasmowa
programowalny procesor graficzny
funkcja gęstości prawdopodobieństwa
estymacja nieparametryczna
estymacja jądrowa
Opis:
The Probability Density Function (PDF) is a key concept in statistics. Constructing the most adequate PDF from the observed data is still an important and interesting scientific problem, especially for large datasets. PDFs are often estimated using nonparametric data-driven methods. One of the most popular nonparametric method is the Kernel Density Estimator (KDE). However, a very serious drawback of using KDEs is the large number of calculations required to compute them, especially to find the optimal bandwidth parameter. In this paper we investigate the possibility of utilizing Graphics Processing Units (GPUs) to accelerate the finding of the bandwidth. The contribution of this paper is threefold: (a) we propose algorithmic optimization to one of bandwidth finding algorithms, (b) we propose efficient GPU versions of three bandwidth finding algorithms and (c) we experimentally compare three of our GPU implementations with the ones which utilize only CPUs. Our experiments show orders of magnitude improvements over CPU implementations of classical algorithms.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 869-885
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Longwall face crew selection with respect to stochastic character of the production process – Part 2 – Calculation example
Wyznaczanie obsady przodka ścianowego z uwzględnieniem stochastycznego charakteru procesu produkcyjnego - Cz. 2 – przykład obliczeniowy
Autorzy:
Snopkowski, R.
Sukiennik, M.
Powiązania:
https://bibliotekanauki.pl/articles/219568.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wybór załogi dla ściany wydobywczej
funkcja gęstości prawdopodobieństwa
cykl produkcyjny
ściana wydobywcza
probability density functions
crew selection of the longwall face
production cycle
longwall face
Opis:
A calculation example of the longwall face crew selection, including taking under consideration stochastic character of the production process is presented in this study. On the basis of observation of duration of activities realized in the hard coal mine longwall face with use of the roof cut and fill system, the calculations with use of the proposed crew selection method have been executed. The method in question takes into consideration stochastic character of the realized production process (Snopkowski & Sukiennik, 2012). In the final part of this study, graphical interpretation of the executed calculations has been presented.
Zagadnienie wyznaczania obsady przodka ścianowego jest przedmiotem badań i analiz praktycznie od momentu rozpoczęcia stosowania systemu ścianowego w kopalniach węgla kamiennego. Metoda opisana w niniejszej pracy uwzględnia jednak czynnik dotychczas nie uwzględniany w opracowaniach z tego zakresu, a mianowicie stochastyczny charakter realizowanego w przodku procesu. Początki prac z zakresu analizy funkcjonowania przodków ścianowych z uwzględnieniem stochastycznego charakteru procesu produkcyjnego sięgają lat 90-tych, kiedy zaczęto wykorzystywać metodę symulacji stochastycznej jako metodę badawczą. W części pierwszej publikacji (Wyznaczanie obsady przodka ścianowego z uwzględnieniem stochastycznego charakteru procesu produkcyjnego cz. 1 - opis metody), zamieszczono szczegółowy opis opracowanej metody. W niniejszym artykule przedstawiono przykład obliczeniowy, w którym wyznaczono obsadę dla warunków konkretnego przodka ścianowego. Przykład opracowano na podstawie danych uzyskanych z przodka ścianowego, prowadzonego z zawałem stropu, którego charakterystykę zawiera tabela 1. Proces produkcyjny realizowany w analizowanym przodku ścianowym obejmował cykl produkcyjny oraz czynności i operacje związane z cyklem technologicznym. Cykl produkcyjny realizowany był w technologii dwukierunkowego urabiania kombajnem. Na rysunku 1 zaprezentowano schemat tego cyklu z wyodrębnionymi i zaznaczonymi modułami, które będą stanowiły podstawę dalszych obliczeń. W ramach prac związanych z cyklem technologicznym wyznaczono obsadę prac, które przedstawiono na rysunku 2. Są to prace związane z przebudową skrzyżowania i korygowania położenia przenośników w związku z postępem ściany. Na podstawie badań chronometrażowych przeprowadzonych w warunkach danego przodka ścianowego, przyjęto do dalszych obliczeń funkcje gęstości, opisujące czasy realizacji na odcinku 1 metra, poszczególnych czynności i operacji. Charakterystykę funkcji zamieszczono w tabeli 2. Obliczenia, które przeprowadzono w celu wyznaczenia obsady procesu produkcyjnego wykonano dla każdego z wyodrębnionych modułów. Schemat obliczeń w ramach poszczególnych modułów przedstawia się następująco: w module pierwszym z wykorzystaniem wzorów 1 i 2, w module drugim z wykorzystaniem wzorów 3 i 4, w trzecim z wykorzystaniem wzorów od 5 do 17, w czwartym wzory od 18 do 20, w module piątym wzory od 21 do 23. Moduł szósty zawiera tylko jedną czynność, więc obsada jest przyjmowana w ilości dwóch pracowników. Dla modułu siódmego, wyznaczono 4 ścieżki pełne (tabela 3) a następnie dokonywano szereg obliczeń, które są zestawione w tabeli 4. Wyniki przeprowadzonych obliczeń zamieszczono na rysunku 3. Wyznaczona, za pomocą zaproponowanej w pracy metody, obsada przodka ścianowego, prowadzonego technologią dwukierunkowego urabiania kombajnem, jest obsadą zapewniającą ciągłą realizację procesu produkcyjnego w tym przodku, przy najmniejszej liczbie potrzebnych pracowników. Zaproponowana metoda zakłada wykorzystanie funkcji gęstości prawdopodobieństwa czasów trwania czynności do wyznaczania obsady przodka wydobywczego. W metodzie wykorzystano odmienne od deterministycznego podejście, polegające na traktowaniu czasów realizacji czynności jako zmiennych losowych. Zastąpienie zmiennych deterministycznych zmiennymi losowymi pozwoliło na jednoczesne uwzględnienie, w postaci funkcji gęstości prawdopodobieństwa, wielu czynników wpływających na czas realizacji czynności.
Źródło:
Archives of Mining Sciences; 2013, 58, 1; 227-240
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A New Heuristic Protocol for Strategy Selection Presented on the Basis of Examples of Former Underground Mines
Autorska, heurystyczna metoda doboru strategii planowania w kontekście doboru sposobu zagospodarowania wyeksploatowanych wyrobisk kopalń podziemnych
Autorzy:
Wiktor-Sułkowska, Anna
Powiązania:
https://bibliotekanauki.pl/articles/318357.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Przeróbki Kopalin
Tematy:
heurystyczne metody doboru strategii postępowania
SWOT
Analytic Hierarchy Process
atrakcyjność rynkowa
pozycja rynkowa
prawdopodobieństwo sukcesu strategicznego
heuristic methods for strategy selection
market attractiveness
market position
probability of strategy success
Opis:
Strategic planning and analysis often require that we make choices that are backed up with logical reasons. Such decision-making is difficult, as it involves many variables, both measurable and non-measurable. In some cases, a choice has to be made from among a dozen or several dozen variants, or more. It might be hard to determine which of these are the best and why. This paper describes SWOT-AHP-PSS, an innovative approach developed to support decision-making as part of strategic planning. What is innovative about the SWOT-AHP-PSS protocol is the original combination of commonly known and used methods. SWOT-AHP-PSS assesses the probability of success for each of the pre-defined scenarios, and helps identify the key factors behind PSS. It can be useful for both simple and very complex decision-making.
Planowanie i analiza strategiczna często wymagają dokonania wyborów opartych na logicznych podstawach. Takie podejmowanie decyzji strategicznych jest trudne, ponieważ obejmuje wiele zmiennych, zarówno mierzalnych, jak i niemierzalnych. Często należy dokonać wyboru jednego z wielu wariantów. Może być trudno określić, które z nich są najlepsze i dlaczego. W niniejszym artykule opisano autorską metodę SWOT-AHP-PSS, jako innowacyjne podejście opracowane w celu wspierania procesu decyzyjnego w ramach planowania strategicznego. Nowością w tej metodzie jest oryginalna kombinacja powszechnie znanych i używanych metod. SWOT-AHP-PSS ocenia prawdopodobieństwo sukcesu każdego z predefiniowanych scenariuszy i pomaga zidentyfikować kluczowe czynniki stojące za prawdopodobieństwem sukcesu strategicznego. Metoda ta może być przydatna zarówno do prostego, jak i bardzo złożonego procesu decyzyjnego.
Źródło:
Inżynieria Mineralna; 2019, 21, 1/2; 245-249
1640-4920
Pojawia się w:
Inżynieria Mineralna
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-6 z 6

    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