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 Markov Chain" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 18
Tytuł:
Triple-goal Estimation of Unemployment Rates for U.S. States Using the U.S. Current Population Survey Data
Autorzy:
Bonnéry, Daniel
Cheng, Yang
Ha, Neung Soo
Lahiri, Partha
Powiązania:
https://bibliotekanauki.pl/articles/465991.pdf
Data publikacji:
2015
Wydawca:
Główny Urząd Statystyczny
Tematy:
complex survey data
empirical distribution function
Monte Carlo Markov Chain
rank
risk
small area estimation
Opis:
In this paper, we first develop a triple-goal small area estimation methodology for simultaneous estimation of unemployment rates for U.S. states using the Current Population Survey (CPS) data and a two-level random sampling variance normal model. The main goal of this paper is to illustrate the utility of the triple-goal methodology in generating a single series of unemployment rate estimates for three separate purposes: developing estimates for individual small area means, producing empirical distribution function (EDF) of true small area means, and the ranking of the small areas by true small area means. We achieve our goal using a Monte Carlo simulation experiment and a real data analysis.
Źródło:
Statistics in Transition new series; 2015, 16, 4; 511-522
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of methods used for filling partially unobserved contingency tables
Autorzy:
Kot, Michał
Kamiński, Bogumił
Powiązania:
https://bibliotekanauki.pl/articles/2034044.pdf
Data publikacji:
2021-03-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
contingency tables
Markov Chain Monte Carlo
Iterative Proportional Fitting Procedure
Opis:
In this article, we investigate contingency tables where the entries containing small counts are unknown for data privacy reasons. We propose and test two competitive methods for estimating the unknown entries: our modification of the Iterative Proportional Fitting Procedure (IPFP), and one of the Monte Carlo Markov Chain methods called Shake-and-Bake. We use simulation experiments to test these methods in terms of time complexity and the accuracy of searching the space of feasible solutions. To simplify the estimation procedure, we propose to pre-process partially unknown contingency tables with simple heuristics and dimensionality-reduction techniques to find and fill all trivial entries. Our results demonstrate that if the number of missing cells is not very large, the pre-processing is often enough to find fillings for the unknown values in contingency tables. In the cases where simple heuristics are insufficient, the Shake-and-Bake technique outperforms the modified IPFP in terms of time complexity and the accuracy of searching the space of feasible solutions.
Źródło:
Przegląd Statystyczny; 2021, 68, 4; 1-20
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Bayesian virtual metrology for quality inspection of mobile repeater systems
Autorzy:
Kim, S. D.
Kim, J. S.
Mun, B. M.
Bae, S. J.
Powiązania:
https://bibliotekanauki.pl/articles/406820.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Bayesian approach
regression
conjugate priors
ICS repeater
Markov chain Monte Carlo
Opis:
The technology of wideband code division multiple access (WCDMA) has been applied to band selective interference cancellation system (ICS) repeaters. To inspect the telecommunication quality of the systems, quality engineers must check the shape of the signals at the corresponding frequency band of the repeaters. However, measuring the signal quality is a repetitive manual task which requires much inspection time and high costs. In the case of small-sized samples, such as the example of an ICS repeater system, Bayesian approaches have been employed to improve the estimation accuracy by incorporating prior information on the parameters of the model in consideration. This research proposes a virtual method of quality inspection for products using a correlation structure of measurement data, mainly in a Bayesian regression framework. The Bayesian regression model derives prior information from historical measurement data to predict measurements of other frequency bandwidths by exploiting the correlation structure of each measurement data. Empirical results show the potential for reducing inspection costs and time by predicting the values of adjoining frequency bandwidths through measured data of a frequency bandwidth in the course of quality inspections of ICS repeater systems.
Źródło:
Management and Production Engineering Review; 2016, 7, 4; 48-53
2080-8208
2082-1344
Pojawia się w:
Management and Production Engineering Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multiparameter approximation model of temperature conditions of marine diiesel generator sets, based on Markov chain Monte Carlo
Autorzy:
Myrhorod, V.
Hvozdeva, I.
Budashko, V.
Powiązania:
https://bibliotekanauki.pl/articles/24201416.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
marine diesel engine
Markov chain Monte Carlo
temperature condition
multi-parameter approximation model
marine diesel generator
markov model
diagnostics
technical diagnostics
Opis:
In the article we propose a multi-parameter approximation model, based on Markov chain Monte Carlo, which describes the relationship between the temperature regime, operating conditions and electromechanical parameters of marine diesel generator sets. The approximation model is constructed on the basis of the analysis of experimental data of the exhaust gases temperature of marine diesel generator sets in their long-term operation. As a statistical model of random processes of temperature deviations from the approximation model, a Markov process model is proposed that takes into account the possible correlation of the initial data. Since the measuring channels of modern diagnostic systems are digital, due to discretization in time and level, the studied processes form a Markov chain, which makes it possible to establish the important features of such processes. The use of approximation models ensures the stationarity conditions and the correctness of the proposed Markov model in the conditions of multi-mode operation of marine diesel generator sets. The proposed multi-parameter approximation model, based on Markov chain Monte Carlo, allows you to take into account random perturbations that lead to a random change in the output coordinates of the diagnostic object. The proposed improvement of the model makes it possible to ensure its adequacy to real processes of changing the parameters of the temperature regimes of marine diesel generator sets. The proposed multi-parameter approximation model, based on Markov chain Monte Carlo, can be used in the systems of technical diagnostics of marine diesel generator sets in order to increase the reliability of diagnostic conclusions.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2022, 16, 4; 779--784
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bayesian Analysis of Stochastic Volatility Model and Portfolio Allocation
Bayesowska analiza modelu zmienności stochastycznej w optymalizacji portfela
Autorzy:
Pajor, Anna
Powiązania:
https://bibliotekanauki.pl/articles/907594.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
multivariate stochastic volatility model
Bayesian analysis
portfolio allocation
Markov chain Monte Carlo
Opis:
In this paper we present the multivariate stochastic volatility model based on the Cholesky decomposition. This model and the Bayesian approach is used to model bivariate daily financial time series and construct an optimal portfolio. We consider the hypothetical portfolios consisted of two currencies that were most important for the Polish economy: the US dollar and the German mark. In the optimization process we used the predictive distributions of future returns and the predictive covariance matrix obtained from the MSV model.
W artykule przedstawiono model zmienności stochastycznej, oparty na dekompozycji Choleskiego. Następnie model SV oraz podejście Bayesowskie zostało wykorzystane do modelowania zmienności dwuwymiarowych finansowych szeregów czasowych oraz budowy optymalnego portfela walutowego. Rozważono hipotetyczny portfel, w skład którego wchodzą złotówkowe kursy dwóch walut: dolara amerykańskiego i marki niemieckiej. W procesie optymalizacji portfela wykorzystano predyktywny rozkład stóp zwrotu oraz predyktywny rozkład macierzy warunkowych kowariancji, uzyskany w rozważanym modelu MSV za pomocą metod Monte Carlo (MCMC).
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 192
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bayesian estimation and prediction based on Rayleigh record data with applications
Autorzy:
Awwad, Raed R. Abu
Bdair, Omar M.
Abufoudeh, Ghassan K.
Powiązania:
https://bibliotekanauki.pl/articles/1827533.pdf
Data publikacji:
2021-09-06
Wydawca:
Główny Urząd Statystyczny
Tematy:
Bayesian estimation and prediction
Rayleigh distribution
record values
Markov Chain Monte Carlo samples
Opis:
Based on a record sample from the Rayleigh model, we consider the problem of estimating the scale and location parameters of the model and predicting the future unobserved record data. Maximum likelihood and Bayesian approaches under different loss functions are used to estimate the model's parameters. The Gibbs sampler and Metropolis-Hastings methods are used within the Bayesian procedures to draw the Markov Chain Monte Carlo (MCMC) samples, used in turn to compute the Bayes estimator and the point predictors of the future record data. Monte Carlo simulations are performed to study the behaviour and to compare methods obtained in this way. Two examples of real data have been analyzed to illustrate the procedures developed here.
Źródło:
Statistics in Transition new series; 2021, 22, 3; 59-79
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Convergence diagnosis to stationary distribution in MCMC methods via atoms and renewal sets
Autorzy:
Romaniuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/971005.pdf
Data publikacji:
2008
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
convergence diagnosis
Markov chain Monte Carlo methods
Markov property
atom
renewal set
renewal theory
automated diagnosis of simulations
Opis:
MCMC setups are one of the best known methods for conducting computer simulations useful in such areas as statistics, physics, biology, etc. However, to obtain appropriate solutions, the additional convergence diagnosis must be applied for Markov Chain trajectory generated by the algorithm. We present the method for dealing with this problem based on features of so called "secondary" chain (the chain with specially selected state space). The secondary chain is created from the initial chain by picking only some observations connected with atoms or renewal sets. In this paper we focus on finding the moment when the simulated chain is close enough to the stationary distribution of the Markov chain. The discussed method has some appealing properties, like high degree of diagnosis automation. Apart from theoretical lemmas and a more heuristic approach, the examples of application are also provided.
Źródło:
Control and Cybernetics; 2008, 37, 1; 205-229
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On some method for diagnosing convergence in MCMC setups via atoms and renewal sets
Autorzy:
Romaniuk, M.
Powiązania:
https://bibliotekanauki.pl/articles/970928.pdf
Data publikacji:
2007
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
convergence diagnosis
Markov chain Monte Carlo methods
Markov property
atom
renewal set
renewal theory
automated diagnosis of simulations
Opis:
MCMC setups are among the best known methods for conducting computer simulations necessary in statistics, physics, biology, etc. However, to obtain appropriate solutions, additional convergence diagnosis must be applied for trajectory generated by Markov Chain. In the paper we present, the method for dealing with this problem, based on features of so called "secondary" chain (the chain with specially selected state space). The secondary chain is created from the initial chain by picking only some observations connected with atoms or renewal sets. The discussed method has some appealing properties, like high degree of diagnosis automation. Apart from theoretical lemmas, the example of application is also provided.
Źródło:
Control and Cybernetics; 2007, 36, 4; 985-1008
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Synthesis of naturalistic vehicle driving cycles using the Markov Chain Monte Carlo method
Synteza eksploatacyjnych cykli jezdnych samochodów przy wykorzystaniu metody Monte Carlo z zastosowaniem łańcuchów Markowa
Autorzy:
Puchalski, Andrzej
Komorska, Iwona
Ślęzak, Marcin
Niewczas, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1365182.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
naturalistic vehicle driving cycles
synthesis of driving cycles
Markov models
Monte Carlo simulation
eksploatacyjne cykle jezdne samochodu
synteza cykli jezdnych
modele Markowa
symulacja Monte Carlo
Opis:
Simulation methods commonly used throughout the design and verification process of various types of motor vehicles require development of naturalistic driving cycles. Optimization of parameters, testing and gradual increase in the degree of autonomy of vehicles is not possible based on standard driving cycles. Ensuring representativeness of synthesized time series based on collected databases requires algorithms using techniques based on stochastic and statistical models. A synthesis technique combining the MCMC method and multifractal analysis has been proposed and verified. The method allows simple determination of the speed profile compared to classic frequency analysis.
Metody symulacyjne powszechnie stosowane w całym procesie projektowania i weryfikacji różnych typów pojazdów mechanicznych wymagają opracowania eksploatacyjnych cykli jezdnych. Optymalizacja parametrów, testowanie i stopniowe zwiększanie stopnia autonomiczności pojazdów nie jest możliwe na bazie standardowych cykli jezdnych. Zapewnienie reprezentatywności syntezowanych szeregów czasowych na podstawie zgromadzonych baz danych wymaga algorytmów wykorzystujących techniki bazujące na modelach stochastycznych i statystycznych. Zaproponowano i zweryfikowano technikę syntezy łączącą metodę Monte Carlo wykorzystującą łańcuch Markowa (MCMC) oraz analizę multifraktalną. Metoda umożliwia proste wyznaczenie profilu prędkości jazdy w porównaniu do klasycznej analizy częstotliwościowej.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 2; 316-322
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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
Wyświetlanie 1-10 z 18

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