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 "Monte Carlo Model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Omówienie międzynarodowego dokumentu JCGM 102:2011 dotyczącego wyrażania niepewności pomiaru
    Autorzy:
    Fotowicz, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/1426219.pdf
    Data publikacji:
    2014
    Wydawca:
    Główny Urząd Miar
    Tematy:
    niepewność pomiaru
    wielowymiarowy model pomiaru
    metoda Monte Carlo
    measurement uncertainty
    multivariate measurement model
    Monte Carlo method
    Opis:
    Dokument JCGM 102:2011 jest rozwinięciem metodyki opracowania danych pomiarowych przedstawionej w opracowaniu JCGM 101:2008. Dotyczy wielowymiarowego modelu pomiaru, czyli takiego w którym występuje dowolna liczba wielkości wyjściowych. Wielkości te są wzajemnie skorelowane, gdyż zależą od tych samych wielkości wejściowych. Dokument przedstawia prawo propagacji niepewności w postaci macierzowej. Uogólnia też zastosowanie metody Monte Carlo w celu numerycznego wyznaczania wspólnego rozkładu prawdopodobieństwa dla wielkości wyjściowej wielowymiarowego modelu pomiaru. Na ich podstawie można wyznaczyć obszar rozszerzenia, będący odpowiednikiem przedziału rozszerzenia dla jednowymiarowego modelu pomiaru, który odpowiada określonemu prawdopodobieństwu. Obszar ten może przybierać postać hiperelipsy lub hiperprostokąta. Dokument przedstawia również procedurę obliczeniową wyznaczania najmniejszego obszaru rozszerzenia.
    The document describes a generalization of the Monte Carlo method for measurement models having any number of input quantities and any number of output quantities. Two approaches are considered for treating such models. The first approach is a generalization of the Guide uncertainty framework. The second is a Monte Carlo method as an implementation of the propagation of distributions. Guidance is also given on the determination of a coverage region for the output quantities of a multivariate model, the counterpart of a coverage interval for a single scalar output quantity, corresponding to a stipulated coverage probability. The guidance includes the provision of coverage regions that take the form of hyper-ellipsoids and hyper-rectangles. A calculation procedure is also described for obtaining an approximation to the smallest coverage region.
    Źródło:
    Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar; 2014, 3 (6); 17-20
    2300-8806
    Pojawia się w:
    Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja parametrów modelu kondensatora dwiema metodami Monte Carlo
    Identification of the Capacitor Model Parameters by two Monte Carlo Methods
    Autorzy:
    Kubisa, S.
    Warsza, Z. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/275374.pdf
    Data publikacji:
    2018
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    model kondensatora
    identyfikacja parametrów
    metoda Monte Carlo
    rozkład parametrów
    model of capacitor
    parameter identification
    Monte Carlo method
    distribution of parameters
    Opis:
    Omówiono dokładność identyfikacji wartości parametrów modelu kondensatora rzeczywistego przeprowadzoną dwiema metodami Monte Carlo. Jako prosty przykład numeryczny zidentyfikowano parametry pięciu elementów skupionych RC schematu zastępczego kondensatora na podstawie wyników zasymulowanych pomiarów składowych jego impedancji zastępczej przy kilku częstotliwościach. Parametry mierzone i identyfikowane są powiązane układem nieliniowych zależności i ich rozwiązanie analityczne jest bądź bardzo uciążliwe, bądź może nie być znane. Identyfikację wykonano jednokrotną oraz wielokrotną procedurą iteracyjną Monte Carlo. Dla otrzymanych rozkładów wartości zidentyfikowanych parametrów oszacowano przedziały o prawdopodobieństwie 0,95 i 0,99, które charakteryzują poziom obserwowalności tych parametrów. Dokładność parametrów oszacowano na podstawie otrzymanych rozkładów ich zidentyfikowanych wartości. Omówiono skuteczność i użyteczność identyfikacji parametrów modelu obiema metodami Monte Carlo.
    The accuracy of identification of internal parameters of the model of capacitor as the physical device carried out by two Monte Carlo methods of simulation is considered. As an simply numerical example are identified parameters of the five RC elements of the equivalent circuit of capacitor based on results of simulated measurements of its equivalent impedance components at several frequencies. The measured and identified parameters are linked by a system of nonlinear relationships and their analytical solution is either very inconvenient, or even non-existing. Identification has been carried by single and by multiple iterative procedure Monte Carlo. From the pdf distributions of identified parameters their achieved coverage rangers of 0,95 and 0,99 probability are estimated. The results demonstrate the efficiency and utility of identifying internal model parameters by both Monte Carlo methods.
    Źródło:
    Pomiary Automatyka Robotyka; 2018, 22, 2; 41-48
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    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
    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:
    Sekwencyjna metoda Monte Carlo i jej zastosowanie do modelowania zmienności inflacji w Polsce
    Sequential Monte Carlo method and its application for modelling inflation volatility in Poland
    Autorzy:
    Brzozowska-Rup, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/2041251.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    algorytm EM
    Inflacja
    metoda SMC
    model CIR
    Modele zmienności stochastycznej
    CIR model
    Expectation-Maximization (EM) algorithm
    Inflation
    Sequential Monte Carlo method
    Stochastic volatility models
    Opis:
    The aim of the article is to present a selected model of stochastic volatility to describe inflation volatility in Poland, with particular emphasis on the possibility of using the estimation technique based on the Sequential Monte Carlo method. A model of stochastic volatility is presented, in which conditional variance is treated as an unobserved variable described by the one-factor Cox, Ingersoll and Ross model (CIR, 1985). The advantages and effectiveness of the proposed method are presented on the basis of monthly inflation rates in Poland from 2004 to 2017.
    Celem artykułu jest zaprezentowanie wybranego modelu stochastycznej zmienności do opisu zmienności inflacji w Polsce, ze szczególnym uwzględnieniem możliwości zastosowania techniki estymacji wykorzystującej sekwencyjną metodę Monte Carlo (ang. Sequential Monte Carlo method, SMC). Przedstawiono model zmienności stochastycznej, w którym wariancja warunkowa jest traktowana jako zmienna nieobserwowana opisywana za pomocą jednoczynnikowego modelu Coxa, Ingersola i Rossa (CIR) [Cox, Ingersoll, Ross, 1985]. Zalety oraz efektywność proponowanej metody zaprezento-wano na podstawie miesięcznych danych historycznych poziomu inflacji w Polsce w latach 2004-2017.
    Źródło:
    Studia Ekonomiczne; 2020, 395; 21-36
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    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