Informacja

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

Wyszukujesz frazę "hierarchical Bayesian model" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
A Weibull failure model to the study of the hierarchical Bayesian reliability
Model uszkodzeń aproksymowa ny rozkładem Weibulla do badania niezaw odności reprezentowanej za pomocą hierarchicznej sieci Bayesowskiej
Autorzy:
Zhu, T.
Yan, Z.
Peng, X.
Powiązania:
https://bibliotekanauki.pl/articles/300717.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
hierarchical Bayesian model
progressive type-II censoring
hyper parameter
Monte Carlo simulation
parameter estimation
hierarchiczny model bayesowski
ucinanie progresywne typu II
hiperparametr
symulacja Monte Carlo
estymacja parametrów
Opis:
This paper describes the unknown parameter and reliability function of the Weibull distribution based on hierarchical Bayesian model for the progressively Type-II censored data. The scale parameter of the Weibull distribution is considered with a gamma prior under the shape parameter is known. Furthermore, the scale parameter of the gamma prior is assumed to be three different known hyper prior. Under these assumptions, the Weibull parameter and reliability function estimators are derived based on the squared error loss (SEL) function, which can be easily extended to other loss functions situation. The result from hierarchical Bayesian method is used to compare with Bayes and maximum likelihood estimate (MLE) methods. The simulation shown that the results from Bayes is the best, followed by hierarchical Bayesian method, and then MLE in terms of root mean square error (RMSE). Finally, one real dataset has been analyzed for illustrative purposes.
W prezentowanej pracy opisano metodę estymacji nieznanego parametru oraz funkcji niezawodności rozkładu Weibulla w oparciu o hierarchiczny model Bayesa dla danych uciętych (cenzurowanych) progresywnie typu II. Rozważano parametr skali rozkładu Weibulla o rozkładzie prawdopodobieństwa apriorycznego gamma w sytuacji, gdzie wartość parametru kształtu była znana. Ponadto, przyjęto, że (hiper)parametr skali rozkładu apriorycznego gamma może mieć trzy różne, znane hiper-rozkłady aprioryczne (ang. hyper priors). Przy tych założeniach, estymatory parametru i funkcji niezawodności rozkładu Weibulla wyprowadzono na podstawie kwadratowej funkcji straty (ang. squared error loss, SEL), którą można łatwo rozszerzyć na inne funkcje straty. Wyniki otrzymane z wykorzystaniem hierarchicznej metody Bayesowskiej porównano z wynikami klasycznej estymacji Bayesowskiej oraz estymacji metodą największego prawdopodobieństwa (ang. maximum likelihood estimate, MLE). Symulacja wykazała, że najlepsze wyniki, jeśli chodzi o średnią kwadratową błędów (ang. root mean squared error, RMSE), daje metoda Bayesa, a w dalszej kolejności hierarchiczna metoda Bayesa oraz MLE. W końcowej części pracy rozważane problemy zilustrowano analizując zbiór danych rzeczywistych.
Źródło:
Eksploatacja i Niezawodność; 2016, 18, 4; 501-506
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
MULTIPARAMETRIC AND HIERARCHICAL SPATIAL AUTOREGRESSIVE MODELS: THE EVALUATION OF THE MISSPECIFICATION OF SPATIAL EFFECTS USING A MONTE CARLO SIMULATION
WIELOPARAMETRYCZNE I HIERARCHICZNE MODELE PRZESTRZENNEJ AUTOREGRESJI. EWALUACJA SKUTKÓW BŁĘDNEJ SPECYFIKACJI EFEKTÓW PRZESTRZENNYCH NA PODSTAWIE SYMULACJI MONTE CARLO
Autorzy:
Łaszkiewicz, Edyta
Powiązania:
https://bibliotekanauki.pl/articles/654752.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Model przestrzenny
model hierarchiczny
estymacja Monte Carlo
Bayesowska.
Spatial model
hierarchical model
Monte Carlo
Bayesian estimation.
Opis:
Artykuł ma na celu przetestowanie modelu przestrzennego i hierarchicznego, przeznaczonych do analiz procesów przestrzennych cechujących się przestrzenną heterogenicznością i autoregresją, pod kątem skutków błędnej specyfikacji efektów przestrzennych. W badaniu wykorzystano symulację Monte Carlo, którą przeprowadzono dla modelu m-SAR i HSAR. Wyniki badania wskazują, że błędne rozpoznanie przestrzennej homogeniczności lub heterogeniczności procesu wpływa negatywnie m.in. na oszacowania parametru interakcji przestrzennych na poziomie indywidualnym. Zastosowanie modelu m-SAR do analizy procesu z przestrzenną heterogenicznością skutkuje przeszacowaniem parametru interakcji przestrzennych.
The aim of this paper is to evaluate the spatial and hierarchical models for data generating processes with spatial heterogeneity and spatial dependence at the higher level. The simulation for the m-SAR and HSAR models was used to discuss the consequences of spatial misspecification. We noticed that the misspecification of spatial homogeneity or heterogeneity in both models affects i.a. the estimated parameter for spatial interactions at the individual level. Applying a m-SAR model for spatially heterogeneous processes causes the overestimation of the spatial interaction parameter.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 5, 307
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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