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 "bayes" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 109
Tytuł:
Bayes robustness via the Kolmogorov metric
Autorzy:
Boratyńska, Agata
Zieliński, Ryszard
Powiązania:
https://bibliotekanauki.pl/articles/1340711.pdf
Data publikacji:
1993
Wydawca:
Polska Akademia Nauk. Instytut Matematyczny PAN
Tematy:
stability of Bayes procedures
Bayes robustness
Kolmogorov metric
Opis:
An upper bound for the Kolmogorov distance between the posterior distributions in terms of that between the prior distributions is given. For some likelihood functions the inequality is sharp. Applications to assessing Bayes robustness are presented.
Źródło:
Applicationes Mathematicae; 1993-1995, 22, 1; 139-143
1233-7234
Pojawia się w:
Applicationes Mathematicae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bayes sequential estimation procedures for exponential-type processes
Autorzy:
Magiera, Ryszard
Powiązania:
https://bibliotekanauki.pl/articles/1340501.pdf
Data publikacji:
1994
Wydawca:
Polska Akademia Nauk. Instytut Matematyczny PAN
Tematy:
Bayes sequential estimation
exponential-type process
stopping time
sequential decision procedure
Opis:
The Bayesian sequential estimation problem for an exponential family of processes is considered. Using a weighted square error loss and observing cost involving a linear function of the process, the Bayes sequential procedures are derived.
Źródło:
Applicationes Mathematicae; 1993-1995, 22, 3; 311-320
1233-7234
Pojawia się w:
Applicationes Mathematicae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dowodzenie hipotez za pomocą zzynnika bayesowskiego (bayes factor): przykłady użycia w badaniach empirycznych
Autorzy:
Domurat, Artur
Białek, Michał
Powiązania:
https://bibliotekanauki.pl/articles/1198708.pdf
Data publikacji:
2016
Wydawca:
Akademia Leona Koźmińskiego w Warszawie
Tematy:
statistical inference
null hypothesis testing
Bayes Factor
p-value
Bayes’ rule
wnioskowanie statystyczne
testowanie hipotezy zerowej
reguła Bayesa
czynnik bayesowski
wartość p
Opis:
Testów statystycznych używa się w nauce po to, żeby wesprzeć zaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, która lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspiera hipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposób rozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanych testach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebami badacza często jest powodem nadinterpretacji wyników testów statystycznych. W szczególności wyniki nieistotne statystycznie są często nadinterpretowane jako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa. Przedstawiamy sposób weryfi kacji hipotez i formułowania wniosków według podejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemy przykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badań empirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeń wykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfi kacji hipotez statystycznych.
Statistical tests are used in science in order to support research hypotheses (theory, model). The Bayes Factor (BF) is a method that weighs evidence and shows which out of two hypotheses is better supported. Adopting the BF in statistical inference, we can show whether data provided stronger support for the null hypothesis, the alternative hypothesis or whether it is inconclusive and more data needs to be collected to provide more decisive evidence. Such a symmetry in interpretation is an advantage of the Bayes Factor over classical null hypothesis significance testing (NHST). Using NHST, a researcher draws conclusions indirectly, by rejecting or not rejecting the null hypothesis. The discrepancy between these decisions and the researcher’s needs, often leads to misinterpretation of significance test results, e.g. by concluding that non-significant p-values are evidence for the absence of differences between groups or that variables are independent. In this work we show the main differences between the Bayesian and the frequential approach to the understanding of probability and statistical inference. We demonstrate how to verify hypotheses using the BF in practice and provide concrete examples of how it modifies conclusions about empirical findings based on the NHST procedure and the interpretation of p-values. We discuss the advantages of the BF – particularly the validation of a null hypothesis. Additionally, we provide some guidelines on how to do Bayesian statistics using the freeware statistical program JASP 0.8.
Źródło:
Decyzje; 2016, 26; 109-141
1733-0092
2391-761X
Pojawia się w:
Decyzje
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Minimax Prediction for the Multinomial and Multivariate Hypergeometric Distributions
Autorzy:
Jokiel-Rokita, Alicja
Powiązania:
https://bibliotekanauki.pl/articles/1338961.pdf
Data publikacji:
1998
Wydawca:
Polska Akademia Nauk. Instytut Matematyczny PAN
Tematy:
multinomial distribution
Bayes estimation
multivariate hypergeometric distribution
minimax estimation
Bayes risk
minimax predictor
Opis:
A problem of minimax prediction for the multinomial and multivariate hypergeometric distribution is considered. A class of minimax predictors is determined for estimating linear combinations of the unknown parameter and the random variable having the multinomial or the multivariate hypergeometric distribution.
Źródło:
Applicationes Mathematicae; 1998-1999, 25, 3; 271-283
1233-7234
Pojawia się w:
Applicationes Mathematicae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Divergent Priors and Well Behaved Bayes Factors
Autorzy:
Strachan, Rodney W.
van Dijk, Herman K.
Powiązania:
https://bibliotekanauki.pl/articles/483279.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
improper prior
Bayes factor
marginal likelihood
shrinkage prior
measure
Opis:
Bartlett’s paradox has been taken to imply that using improper priors results in Bayes factors that are not well defined, preventing model comparison in this case. We use well understood principles underlying what is already common practice, to demonstrate that this implication is not true for some improper priors, such as the Shrinkage prior due to Stein (1956). While this result would appear to expand the class of priors that may be used for computing posterior odds, we warn against the straightforward use of these priors. Highlighting the role of the prior measure in the behaviour of Bayes factors, we demonstrate pathologies in the prior measures for these improper priors. Using this discussion, we then propose a method of employing such priors by setting rules on the rate of diffusion of prior certainty.
Źródło:
Central European Journal of Economic Modelling and Econometrics; 2014, 1; 1-31
2080-0886
2080-119X
Pojawia się w:
Central European Journal of Economic Modelling and Econometrics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Learning the naive Bayes classifier with optimization models
Autorzy:
Taheri, S.
Mammadov, M.
Powiązania:
https://bibliotekanauki.pl/articles/908351.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Bayesian networks
naive Bayes classifier
optimization
discretization
sieci bayesowskie
naiwny klasyfikator Bayesa
optymalizacja
dyskretyzacja
Opis:
Naive Bayes is among the simplest probabilistic classifiers. It often performs surprisingly well in many real world applications, despite the strong assumption that all features are conditionally independent given the class. In the learning process of this classifier with the known structure, class probabilities and conditional probabilities are calculated using training data, and then values of these probabilities are used to classify new observations. In this paper, we introduce three novel optimization models for the naive Bayes classifier where both class probabilities and conditional probabilities are considered as variables. The values of these variables are found by solving the corresponding optimization problems. Numerical experiments are conducted on several real world binary classification data sets, where continuous features are discretized by applying three different methods. The performances of these models are compared with the naive Bayes classifier, tree augmented naive Bayes, the SVM, C4.5 and the nearest neighbor classifier. The obtained results demonstrate that the proposed models can significantly improve the performance of the naive Bayes classifier, yet at the same time maintain its simple structure.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 787-795
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of cause-effect dependence model of undesirable events using Bayes network
Autorzy:
Tchórzewska-Cieślak, B.
Pietrucha-Urbanik, K.
Szpak, D.
Powiązania:
https://bibliotekanauki.pl/articles/2068874.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
bayes network
risk
security
Opis:
In the paper the method of cause and effect analysis of undesirable events using the Bayesian networks is presented. For the analysis, due to the complexity of the calculations, it is proposed to use Java Bayes program as a free and simple tool to support Bayesian analysis. Bayesian estimation allows to identify the probability of the event occurrence. For this reason its use was proposed to determine the safety probability. Using Bayes' theorem is also possible to modify initial judgement about the situation with the use of a priori probability so that a new situation described by a posteriori probability arises. In this sense, by Bayes' theorem the data can be sequentially processed, including considerations for newer information, and thereby create a more reliable basis for decision making for the system operator. In the paper, the methodology was presented, which can be extended in order to improve the detection and monitoring of undesirable events in infrastructure.
Źródło:
Journal of Polish Safety and Reliability Association; 2017, 8, 1; 149--156
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model konwersji wiedzy ukrytej w wiedzę jawną przy zastosowaniu algorytmu Bayes’a na przykładzie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym
Autorzy:
Śliwa, M.
Powiązania:
https://bibliotekanauki.pl/articles/118345.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
wiedza ukryta
algorytm Bayes’a
konwersja wiedzy
dział badawczo-rozwojowy
przedsiębiorstwo produkcyjne
tacit knowledge
Bayes algorithm
knowledge conversion
research and development
manufacturing company
Opis:
W artykule przedstawiono tematykę konwersji wiedzy ukrytej w wiedzę jawną na podstawie działu badawczo-rozwojowego w przedsiębiorstwie produkcyjnym. Sformułowano otoczenie problemu badawczego: w dziale B+R średniego przedsiębiorstwa produkcyjnego istnieje wiedza jawna i ukryta – zgromadzona w pracownikach umysłowych. W dziale realizowane są procesy biznesowe. Należy odpowiedzieć na pytanie: czy zastosowanie narzędzia wspomagającego podział wiedzy pomoże osiągnąć wymierne korzyści dla przedsiębiorstwa? Zidentyfikowano źródła wiedzy ukrytej w dziale badawczo-rozwojowym w przedsiębiorstwie produkcyjnym, następnie zaproponowano mechanizmy jej pozyskiwania. Zbadano wpływ charakterystyki pracownika na podział wiedzy ukrytej, co wpływa na wzrost know-how przedsiębiorstwa. W konsekwencji zaimplementowano algorytm Bayes’a. Model zilustrowano na przykładzie z praktyki gospodarczej. W efekcie zakłada się otrzymanie wymiernych korzyści z wynikające z podziału wiedzy, jak: redukcję kosztów, poprawek, reklamacji, szybsze zakończenie podobnego projektu i optymalny dobór kadry. W podsumowaniu pokazano kierunki dalszych prac obejmujące implementację informatyczną przedstawionego modelu oraz jego weryfikację.
Based on the reference works, in article have been showed knowledge’s conversion characteristic, based on the own research and development department in manufacturing company. Formulated surrounding the research problem: in section B+R medium manufacturing company, there is tacit and explicit knowledge gathered in the white-collar workers. In this department they are implemented business processes. It should answer the question: whether the use of a tool to support the knowledge sharing will help achieve tangible benefits for the company? It studied the effect of the characteristics of an employee on the tacit knowledge sharing, which increases on its know-how value in organization. The sources of tacit knowledge in the research and development department in a manufacturing company were identified, and then mechanisms of its collection were proposed. Consequently, Bayes’ algorithm was implemented. The model is illustrated by the example of business practice. As a result, it is assumed to receive measurable benefits, i.e. cost reduction, corrections, complaints and faster completion of a similar project, optimal selection of workers. In summary it presents directions for further work, including the IT implementation of the presented model and its verification.
Źródło:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 10; 131-145
1897-7421
Pojawia się w:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Generalized Bayes Estimation of Spatial Autoregressive Models
Autorzy:
Chaturvedi, Anoop
Mishra, Sandeep
Powiązania:
https://bibliotekanauki.pl/articles/1194464.pdf
Data publikacji:
2019-07-02
Wydawca:
Główny Urząd Statystyczny
Tematy:
spatial autoregressive model
prior and posterior distributions
generalized Bayes estimator
admissibility and minimaxity
total fertility rate (TFR)
Opis:
The spatial autoregressive (SAR) models are widely used in spatial econometrics for analyzing spatial data involving spatial autocorrelation structure. The present paper derives a Generalized Bayes estimator for estimating the parameters of a SAR model. The admissibility and minimaxity properties of the estimator have been discussed. For investigating the finite sample behaviour of the estimator, the results of a simulation study have been presented. The results of the paper are applied to demographic data on total fertility rate for selected Indian states.
Źródło:
Statistics in Transition new series; 2019, 20, 2; 15-31
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bayes estimation in agricultural sample surveys in Poland
Estymacja Bayesowska w reprezentacyjnych badaniach rolniczych w Polsce
Autorzy:
Bartosińska, Dorota
Powiązania:
https://bibliotekanauki.pl/articles/907029.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Bayes estimation
agricultural sample survey
small area estimation
Opis:
Direct estimators used in sample surveys usually provide parameters’ estimates for country and regions. They do not provide estimates for smaller crosssections (age, gender etc.) or smaller geographical areas (subregions, counties, towns and communes). One of the possibilities to obtain such estimates is Bayes approach. It is based on known information beyond the sample. There were considered two Bayes estimators: empirical and hierarchical to obtain precise estimates for counties in agricultural sample surveys carried out by Central Statistical Office in Poland. Additional source of information was Census of Agriculture, whose data are correlated with data from agricultural sample surveys.
W badaniach reprezentacyjnych, prowadzonych przez statystykę publiczną w Polsce i innych krajach, są stosowane estymatory bezpośrednie, oparte wyłącznie na wynikach z próby. Dostarczają one ocen parametrów dla podstawowych przekrojów kraju jako całości i dla większych obszarów, jak województwa. Natomiast nie dają ocen dla mniejszych przekrojów, jak: wiek, płeć itp. oraz dla mniejszych obszarów, jak: podregiony, powiaty, miasta, gminy. Jedną z możliwości uzyskania takich ocen jest podejście bayesowskie, oparte na znanej informacji spoza próby. W artykule rozważa się dwa estymatory bayesowskie: empiryczny i hierarchiczny, aby uzyskać precyzyjne oceny parametrów dla powiatów w reprezentacyjnych badaniach rolniczych prowadzonych przez GUS w Polsce. Źródłem informacji dodatkowych jest pełny spis rolny. Zastosowanie tych estymatorów daje oceny parametrów dla powiatów o dużej precyzji, w przypadku istnienia znacznej korelacji między wynikami z pełnego spisu rolnego i z reprezentacyjnych badań rolniczych prowadzonych po danym spisie.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2008, 216
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimation of Parameters for Small Areas Using Hierarchical Bayes Method in the Case of Known Model Hyperparameters
Autorzy:
Kubacki, Jan
Powiązania:
https://bibliotekanauki.pl/articles/465703.pdf
Data publikacji:
2012
Wydawca:
Główny Urząd Statystyczny
Tematy:
Small area estimation
hierarchical Bayes estimation WinBUGS
Opis:
In the paper the method of parameters estimation using hierarchical Bayes (HB) method in the case of known model hyperparameters for a priori conditionals was presented. This approach has some advantage in comparison with subjective model parameters selection because of more simulation stability and allows obtaining estimates that has more regular distribution. As an example the data about average per capita income from Polish Household Budget Survey for counties (NUTS4) and auxiliary variables from Polish Tax Register (POLTAX) were used. The computation was done using WinBUGS software and R-project environment with R2WinBUGS package, which control the simulations in WinBUGS, and coda package, which allows performing the analysis of simulation results. In the paper sample code in R-project that can be used as a pattern for further similar applications was also presented. The efficiency of hierarchical Bayes estimation with other small area methods was compared. Such comparison was done for HB and EBLUP techniques, for which some consistency related to the precision of estimates obtained using both techniques was achieved.
Źródło:
Statistics in Transition new series; 2012, 13, 2; 261-278
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An algorithm for Bayes parameter identification with quadratic asymmetrical loss function
Autorzy:
Kulczycki, P.
Mazgaj, A.
Powiązania:
https://bibliotekanauki.pl/articles/970992.pdf
Data publikacji:
2005
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
sterowanie optymalne
parameter identification
Bayes decision
quadratic asymmetrical loss function
kernel estimators
optimal control
Opis:
The paper deals with the estimation problem of model parameter values, in tasks where overestimation implies results other than underestimation, and wliere losses arising from this can be described by a quadratic function with different coefficients characterizing positive and negative errors. In the approach presented, the Bayes decision rule was used, allowing for minimizing potential losses. Calculation algorithms were based on the theory of statistical kernel estimators, which frees the method from distribution type. The result constitutes a complete numerical procedure enabling effective calculation of the value of an identified parameter or - in the multidimensional case - the vector of parameters. The method is aimed at both of the main contemporary approaches to uncertainty modeling: probabilistic and fuzzy logic. It is universal in nature and can be applied in a wide range of tasks of engineering, economy, sociology, biomedicine and other related fields.
Źródło:
Control and Cybernetics; 2005, 34, 4; 1127-1148
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Minimax mutual prediction
Autorzy:
Trybuła, Stanisław
Powiązania:
https://bibliotekanauki.pl/articles/1208154.pdf
Data publikacji:
2000
Wydawca:
Polska Akademia Nauk. Instytut Matematyczny PAN
Tematy:
multinomial
Bayes
binomial
minimax mutual predictor
Opis:
The problems of minimax mutual prediction are considered for binomial and multinomial random variables and for sums of limited random variables with unknown distribution. For the loss function being a linear combination of quadratic losses minimax mutual predictors are determined where the parameters of predictors are obtained by numerical solution of some equations.
Źródło:
Applicationes Mathematicae; 2000, 27, 4; 437-444
1233-7234
Pojawia się w:
Applicationes Mathematicae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of Small Area Estimationin Official Statistics
Autorzy:
Kordos, Jan
Powiązania:
https://bibliotekanauki.pl/articles/466085.pdf
Data publikacji:
2016
Wydawca:
Główny Urząd Statystyczny
Tematy:
small area estimation
official statistics
sampling survey
direct estimation
indirect estimation
empirical Bayes estimator
hierarchical Bayes estimator
data quality
Opis:
The author begins with a general assessment of the mission of the National Statistics Institutes (NSIs), main producers of official statistics, which are obliged to deliver high quality statistical information on the state and evolution of the population, the economy, the society and the environment. These statistical results must be based on scientific principles and methods. They must be made available to the public, politics, economy and research for decision-making and information purposes. Next, before discussing general issues of small area estimation (SAE) in official statistics, the author reminds: the methods of sampling surveys, data collection, estimation procedures, and data quality assessment used for official statistics. Statistical information is published in different breakdowns with stable or even decreasing budget while being legally bound to control the response burden. Special attention is paid, from a practitioner point of view, to synthetic development of small area estimation in official statistics, beginning with international seminars and conferences devoted to SAE procedures and methods (starting with the Canadian symposium, 1985, and the Warsaw conference, 1992, to the Poznan conference, Poland, 2014), and some international projects (EURAREA, SAMPLE, BIAS, AMELI, ESSnet). Next, some aspects of development of SAE in official statistics are discussed. At the end some conclusions regarding quality of SAE procedures are considered.
Źródło:
Statistics in Transition new series; 2016, 17, 1; 105-132
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On Naive Bayes in Speech Recognition
Autorzy:
Toth, L.
Kocsor, A.
Csirik, J.
Powiązania:
https://bibliotekanauki.pl/articles/908542.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
naiwny klasyfikator Bayesa
rozpoznawanie mowy
ukryty model Markowa
naive Bayes
segment-based speech recognition
hidden Markov model
Opis:
The currently dominant speech recognition technology, hidden Markov modeling, has long been criticized for its simplistic assumptions about speech, and especially for the naive Bayes combination rule inherent in it. Many sophisticated alternative models have been suggested over the last decade. These, however, have demonstrated only modest improvements and brought no paradigm shift in technology. The goal of this paper is to examine why HMM performs so well in spite of its incorrect bias due to the naive Bayes assumption. To do this we create an algorithmic framework that allows us to experiment with alternative combination schemes and helps us understand the factors that influence recognition performance. From the findings we argue that the bias peculiar to the naive Bayes rule is not really detrimental to phoneme classification performance. Furthermore, it ensures consistent behavior in outlier modeling, allowing efficient management of insertion and deletion errors.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2005, 15, 2; 287-294
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 109

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