Informacja

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

Wyszukujesz frazę "Wiarygodność" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Determination of measurement uncertainty as a necessary condition confirming the reliability of measurement results
Wyznaczanie niepewności pomiaru jako niezbędny warunek potwierdzający wiarygodność wyników pomiarów
Autorzy:
Wojtukiewicz, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/33341836.pdf
Data publikacji:
2019
Wydawca:
Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
Tematy:
measurement
uncertainty
reliability
metrological activities
pomiar
niepewność
wiarygodność
czynności metrologiczne
Opis:
The article contains the most important issues related to the measurement uncertainty determination and the presentation of reliable measurement results. It is presented inter alia the most important concepts concerning the measurement uncertainty, the normative requirements, the sources, the purpose and the methods of measurement uncertainty determination. The article also contains a reference to the metrological activities carried out in the Laboratory of Rail Vehicles Tests in order to meet the presented requirements.
W artykule zawarto najważniejsze zagadnienia związane z wyznaczaniem niepewności pomiaru oraz z przedstawianiem wiarygodnych wyników pomiarów. Przedstawiono m.in. najważniejsze pojęcia dotyczące niepewności pomiaru, wymagania normatywne, źródła, cel oraz metody wyznaczania niepewności pomiaru. Artykuł zawiera również odniesienie do czynności metrologicznych wykonywanych w Laboratorium Badań Pojazdów Szynowych w celu spełnienia przedstawionych wymagań.
Źródło:
Rail Vehicles/Pojazdy Szynowe; 2019, 1; 39-49
0138-0370
2719-9630
Pojawia się w:
Rail Vehicles/Pojazdy Szynowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detekcja kłamstwa - czyli czego?
Lie detection - of what?
Autorzy:
Widacki, Jan
Dukała, Karolina
Powiązania:
https://bibliotekanauki.pl/articles/1373997.pdf
Data publikacji:
2015
Wydawca:
Centralne Laboratorium Kryminalistyczne Policji
Tematy:
kłamstwo
wykrywanie kłamstwa
wiarygodność psychologiczna świadka i zeznania
deceit
lie detection
psychological credibility of the witness and testimony
Opis:
Artykuł poświęcony jest zagadnieniu metod "wykrywania kłamstwa w kryminalistyce i psychologii sądowej. Szczegółowo opisane są kwestie filozoficzne, językowe i psychologiczne związane z pojęciem kłamstwa. Przybliżone są metody potocznie określane jako "służące detekcji kłamstwa" wraz z dokładną analizą przedmiotu ich detekcji oraz zakresu użyteczności w praktyce. W artykule poruszone są również kwestie wiarygodności psychologicznej świadka i zeznania.
The article discusses the issue of methods of "lie detection" in criminology and forensic psychology. Considerations are described in detail philosophical, linguistic and psychological associated with the concept lies. Approximate methods are commonly referred to as "used to detect lies" along with a thorough analysis of the subject of their detectionand usability in practice. The article raised issues of credibility are also psychological and witness testimony.
Źródło:
Problemy Kryminalistyki; 2015, 287; 3-16
0552-2153
Pojawia się w:
Problemy Kryminalistyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses
Przestrzenny i czasowy aspekt wyboru rozkładów apriorycznych i danych dla funkcji wiarygodności dla modeli bayesowskich w analizach bezpieczeństwa ruchu drogowego
Autorzy:
Nowakowska, M.
Powiązania:
https://bibliotekanauki.pl/articles/1365610.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
Bayesian regression model
informative prior distributions for model parameters
likelihood data
statistical classifier
road accident severity
road accident features
model regresji bayesowskiej
informatywne rozkłady aprioryczne parametrów modelu
wiarygodność bayesowska
klasyfikator statystyczny
status wypadku drogowego
cechy wypadku drogowego
Opis:
In a Bayesian regression model, parameters are not constants, but random variables described by some posterior distributions. In order to define such a distribution, two pieces of information are combined: (1) a prior distribution that represents previous knowledge about a model parameter and (2) a likelihood function that updates prior knowledge. Both elements are analysed in terms of implementing the Bayesian approach in road safety analyses. A Bayesian multiple logistic regression model that classifies road accident severity is investigated. Three groups of input variables have been considered in the model: accident location characteristics, at fault driver’s features and accident attributes. Since road accidents are scattered in space and time, two aspects of information source choices in the Bayesian modelling procedure are proposed and discussed: spatial and temporal ones. In both aspects, priors are based on selected data that generate background knowledge about model parameters – thus, prior knowledge has an informative property. Bayesian likelihoods which modify priors are data that deliver: (1) information specific to a road – in the spatial aspect or (2) the latest information – in the temporal aspect. The research experiments were conducted to illustrate the approach and some conclusions have been drawn.
Parametry bayesowskiego modelu regresji nie są wartościami stałymi tylko zmiennymi losowymi opisanymi przez pewne rozkłady aposterioryczne. W celu zdefiniowania takiego rozkładu łączy się dwa źródła informacji: (1) rozkład aprioryczny, który reprezentuje wcześniejszą wiedzę o parametrze modelu oraz (2) funkcję wiarygodności (wiarygodność bayesowską), która uaktualnia wiedzę a’priori. Oba te elementy są przedmiotem badań w kontekście wykorzystania podejścia bayesowskiego w analizach bezpieczeństwa ruchu drogowego. Badaniom podlega model wielokrotnej regresji logistycznej, który klasyfikuje status zdarzenia drogowego. W modelu uwzględniono trzy grupy zmiennych objaśniających: charakterystyki miejsca lokalizacji wypadku, cechy kierującego sprawcy oraz atrybuty wypadku. Ponieważ wypadki drogowe są rozproszone w czasie i przestrzeni, zaproponowano i poddano dyskusji dwa aspekty wyboru źródeł informacji w procedurze modelowania bayesowskiego: czasowy i przestrzenny. W obu podejściach rozkłady aprioryczne są definiowane na podstawie danych wybranych jako te, które generują uogólnioną wiedzę o parametrach modelu, tworząc tło podlegające modyfikacji – w ten sposób wiedza aprioryczna ma cechę informatywności. Wiarygodność bayesowska, modyfikująca rozkłady a’priori, jest definiowana za pomocą danych wprowadzających: (1) informację specyficzną dla wybranej drogi – w przypadku aspektu przestrzennego lub (2) informację najnowszą – w przypadku aspektu czasowego. Zaproponowane podejście zilustrowano w eksperymentach badawczych i przedstawiono wynikające z nich wnioski.
Źródło:
Eksploatacja i Niezawodność; 2017, 19, 1; 68-75
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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