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 "mutual information" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Nieliniowa identyfikacja rzędu autozależności w stopach zmian indeksów giełdowych
    Nonlinear identification of lags of serial dependencies in stock indices returns
    Autorzy:
    Orzeszko, Witold
    Powiązania:
    https://bibliotekanauki.pl/articles/422831.pdf
    Data publikacji:
    2012
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    współczynnik informacji wzajemnej
    miara informacji wzajemnej
    opóźnienia czasowe
    nieliniowa dynamika
    indeksy giełdowe
    mutual information coefficient
    mutual information measure
    lags
    nonlinear dynamics
    stock indices
    Opis:
    Naturalnym uogólnieniem współczynnika korelacji liniowej Pearsona jest współczynnik informacji wzajemnej. Współczynnik ten umożliwia pomiar zależności różnego typu, również o charakterze nieliniowym. Podobnie jak współczynnik korelacji liniowej Pearsona, może być zastosowany do pojedynczego szeregu czasowego w celu identyfikacji autozależności. W niniejszej pracy badaniu poddano logarytmiczne stopy zmian wybranych polskich i zagranicznych indeksów giełdowych. Porównując rezultaty otrzymane dla oryginalnych szeregów stóp zmian i dla reszt z dopasowanych modeli ARMA-GARCH, określono charakter wykrytych zależności. Ponadto, wykorzystując procedurę bootstrap, zweryfikowano istotność współczynników informacji wzajemnej, co umożliwiło zidentyfikowanie opóźnień czasowych w analizowanych szeregach. W większości z przebadanych indeksów wykryto zależności nieliniowe innego typu niż GARCH a dominującym poziomem opóźnień czasowych w tych szeregach okazał się lag=1.
    The mutual information coefficient is one of the most important generalizations of the Pearson correlation coefficient. Its advantage is that it is able to measure all kinds of dependencies, also nonlinear ones. Like the Pearson correlation coefficient, the mutual information coefficient may be applied to a single time series in order to identify serial dependencies. In this paper the log-returns of the selected Polish and foreign stock indices have been analyzed. By comparing the results obtained for the raw returns and the residuals of the fitted ARMA-GARCH models, the nature of the identified dependencies has been determined. Moreover, the bootstrap procedure has been applied to verify significance of the mutual information coefficients and, in consequence, to determine the number of lags in the analyzed series. In the most investigated indices, nonlinear dependencies different from the ARCH effect have been detected and lag=1 was the dominant time delay in such situations.
    Źródło:
    Przegląd Statystyczny; 2012, 59, 4; 369-385
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On certain ‘tools’for research into the perception and creation of music and the complex ways in which they affect one another
    Autorzy:
    Humięcka-Jakubowska, Justyna
    Powiązania:
    https://bibliotekanauki.pl/articles/780287.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    perception
    musical structure
    modelling
    entropy
    probability
    Markov process
    mutual information
    parse
    expectation
    surprise
    Opis:
    Perception is a constructive mental process, which cannot be considered impersonally. Similarly, music cannot be cognised solely on the basis of its score, since its coming into being is strictly connected to the activation of human memory and sound imagination. The patterns that emerge from the sounds of heard music enable the listener to draw conclusions regarding the structures those sounds embody. However, such conclusions are accompanied by a degree of uncertainty, which concerns not just the perceived moment of the heard music, but also the way in which it is represented in the listener’s memory. Perception is an inferential, multi-layered, uncertain process, in which particular patterns seem more likely than others. Mental representations of those probabilities lie behind such essential musical phenomena as surprise, tension, expectation and pitch identification, which are fixed elements of theperception of music. The aim of the present article is to describe the essence of three selected types of music modelling, based on spectral anticipation (Shlomo Dubnov), based on memory (Rens Bod), and exploiting the dynamic character of music to obtain information (Samer Abdallah and Mark Plumbley). All these models take account of the element of uncertainty that accompanies the perception of music; hence they make use the foundations of information theory and statistical analysis as measurement ‘tools’. The use of these tools makes it possible to obtain numerical rates, which inform us of the degree of predictability of the musical structures being analysed. One crucial advantage of these methods is the possibility of evaluating them in respect to the use of real musical structures, deriving from actual music, and not abstract structures formed for the purposes of research. We obtain cognitive insight into the analysed music by employing methods of a mathematical provenance, and so we have the possibility of examining music whilst taking account of the role of the listener, but with the use of objectivised methods.
    Źródło:
    Interdisciplinary Studies in Musicology; 2011, 10; 61-76
    1734-2406
    Pojawia się w:
    Interdisciplinary Studies in Musicology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ redukcji szumu losowego metodą Schreibera na identyfikację systemu generującego dane. Analiza symulacyjna
    Impact of the Schreiber Noise Reduction Method on DGP Identification Simulation Analysis
    Autorzy:
    Orzeszko, Witold
    Powiązania:
    https://bibliotekanauki.pl/articles/1830757.pdf
    Data publikacji:
    2011-06-30
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Identyfikacja nieliniowości
    redukcja szumu losowego
    metoda Schreibera
    wskaźnik NRL
    test BDS
    miara informacji wzajemnej
    bootstrap
    nonlinear time series
    noise reduction
    Schreiber method
    NRL quantity
    BDS test
    mutual information
    Opis:
    Jednym ze sposobów ograniczenia negatywnego wpływu obecności szumu losowego na analizę rzeczywistych szeregów czasowych jest stosowanie metod redukcji szumu. Prezentowane w literaturze przedmiotu rezultaty zastosowania takich procedur w procesie identyfikacji nieliniowości i chaosu są zachęcające. Jedną z metod redukcji szumu jest metoda Schreibera, która, jak wykazano, prowadzi do efektywnej redukcji szumu losowego dodanego do danych wygenerowanych z systemów deterministycznych o dynamice chaotycznej. Jednakże w przypadku danych rzeczywistych, badacz zwykle pozbawiony jest wiedzy, czy system generujący rzeczywiście jest deterministyczny. Istnieje więc ryzyko, że redukcji szumu zostaną wówczas poddane dane losowe. W niniejszym artykule wykazano, iż w sytuacji, gdy brak jest wyraźnych podstaw do stwierdzenia, że badany szereg pochodzi z systemu deterministycznego, metodę Schreibera należy stosować z dużą ostrożnością. Z przeprowadzonych symulacji, w których wykorzystano test BDS, miarę informacji wzajemnej oraz współczynnik korelacji liniowej Pearsona wynika bowiem, że redukcja szumu może wprowadzić do analizowanych danych, zależności o charakterze nieliniowym. W efekcie szeregi losowe mogą zostać błędnie zidentyfikowane jako nieliniowe.
    A presence of a noise is typical for real-world data. In order to avoid its negative impact on methods of time series analysis, noise reduction procedures may be used. The achieved results of an application of such procedures in identification of chaos or nonlinearity seem to be encouraging. One of the noise reduction methods is the Schreiber method, which, as it has been shown, is able to effectively reduce a noise added to time series generated by deterministic systems with chaotic dynamics. However, while analyzing real-world data, a researcher usually cannot be sure if the generating system is deterministic. Therefore, there is a risk that a noise reduction method will be applied to random data. In this paper, it has been shown that in situations where there in no clear evidence that investigated data are generated by a deterministic system, the Schreiber noise reduction method may negatively affect identification of time series. In the simulation carried out in this paper, the BDS test, the mutual information measure and the Pearson autocorrelation coefficient were used. The research has shown that an application of the Schreiber method may introduce spurious nonlinear dependencies to investigated data. As a result, random series may be misidentified as nonlinear.
    Źródło:
    Przegląd Statystyczny; 2011, 58, 1-2; 114-131
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    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