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 "prawdopodobieństwo warunkowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Zastosowanie metod analizy trwania w badaniu form wychodzenia z bezrobocia
    Autorzy:
    Bieszk-Stolorz, Beata
    Powiązania:
    https://bibliotekanauki.pl/articles/544052.pdf
    Data publikacji:
    2017
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Kaplan-Meier estimator
    cumulative incidence function
    cumulative
    conditional probability
    competing risks
    unemployment
    estymator Kaplana-Meiera
    funkcja skumulowanej częstości
    skumulowane prawdopodobieństwo warunkowe
    ryzyko konkurujące
    bezrobocie
    Opis:
    Celem artykułu jest przedstawienie wybranych metod analizy trwania do oceny prawdopodobieństwa wyjścia z bezrobocia dla różnych rodzajów ryzyka konkurującego. W badaniu wykorzystano funkcję skumulowanej częstości i skumulowane prawdopodobieństwo warunkowe oraz dopełnienie do jedności estymatora Kaplana-Meiera. Za pomocą trzech estymatorów porównano prawdopodobieństwo wyrejestrowania z powodu podjęcia pracy, wykreślenia i pozostałych przyczyn. Analizę przeprowadzono na podstawie danych indywidualnych osób zarejestrowanych w Powiatowym Urzędzie Pracy w Szczecinie.
    The purpose of this article is to present selected methods of the survival analysis to evaluate the probability of leaving unemployment for the various types of competing risks. Complement to the unity of the Kaplan-Meier estimator, cumulative incidence function and cumulative conditional probability were used in the study. With these three estimators, the probability of deregistering caused by undertaking work, refusal and other causes were compared. The analysis was based on data from the Powiat Labour Office in Szczecin.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2017, 8
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Alternatywne metodyki obliczania niepewności pomiaru
    Alternative methodologies for calculating the measurement uncertainty
    Autorzy:
    Fotowicz, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/153031.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    niepewność pomiaru
    prawdopodobieństwo warunkowe
    measurement uncertainty
    conditional probability
    Opis:
    Przedstawiono dwie alternatywne metodyki obliczania niepewności pomiaru stosowane współcześnie w metrologii. Pierwsza z nich opiera się na zaleceniach Przewodnika i zawartym tam prawie propagacji niepewności. Druga opiera się na prawdopodobieństwie warunkowym wynikającym z zastosowania twierdzenia Bayesa. Obie metodyki prowadzą do różnych wyników, bowiem wykorzystują inne podstawy obliczeniowe. Pierwsza opiera się na splocie rozkładów wielkości wejściowych, a druga na ich iloczynie. Pierwsza chętnie stosowana jest przy ocenie wyników określonego pomiaru, a druga przy opracowaniu wyników porównań.
    The alternative methodologies for calculating the measurement uncertainty used in modern metrology are presented. The first method is based on recommendation of the Guide and the law of uncertainty propagation. The second method is based on conditional probability and application of the Bayes theorem. Those methodologies leads to different results because of using different basis of calculations. The calculation of the first method is connected with convolution of input quantity distributions but the calculation of the second method is connected with multiplication of input quantity distributions. The coverage interval calculated with the GUM method is larger than the coverage interval calculated with the Bayesian method. In the first method the estimate of the measurand is an arithmetic average of observations, but in the second method the estimate is a weighted average, modified by the standard uncertainty attributed to the specified result of observation. The Bayesian method is willingly utilized at inter-laboratory comparisons, but the GUM method is commonly used in evaluation of any other result of measurement.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 11, 11; 1305-1307
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Informacja kognitywna jako obszar badawczy kognitywistyki
    Autorzy:
    Misiuna, Krystyna
    Powiązania:
    https://bibliotekanauki.pl/articles/705178.pdf
    Data publikacji:
    2013-06-01
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    informacja
    kognitywistyka
    praktyczna obliczalność
    informacja powierzchniowa
    informacja przekonaniowa
    prawdopodobieństwo warunkowe
    wnioskowania dedukcyjne
    wnioskowania niededukcyjne
    informacja sprzeczna
    Opis:
    Celem artykułu jest zarys teorii informacji kognitywnej. Jednym z ważniejszych warunków, jakie nakładamy na pojęcia informacji kognitywnej, jest jej praktyczna obliczalność, która przysługuje czasowej złożoności obliczeniowej nie większej niż złożoność wielomianowa. Okazuje się, że informacja kognitywna, jaką uzyskujemy z wnioskowań dedukcyjnych, może być informacją o wielomianowej złożoności czasowej, jeśli system dedukcyjny posiada odpowiednio dobrane reguły inferencji. Modelowanie informacji, której źródłem są wnioskowania dedukcyjne, jest jednym z trzech podstawowych zadań, jakie stawiam sobie w tym artykule - obok modelowania informacji sprzecznej i modelowania informacji przekonaniowej, której źródłem są wnioskowania niededukcyjne oraz treści sądów doświadczalnych. Modelowanie informacji kognitywnej pochodzącej z wnioskowań probabilistycznych odsyła do pojęcia prawdopodobieństwa. Klasyczna teoria prawdopodobieństwa nie może jednak być wykorzystana do tego celu bez zastrzeżeń. Argumentuję na rzecz wprowadzenia jako pojęcia pierwotnego kognitywnego prawdopodobieństwa warunkowego. Formułuję również postulaty autoepistemicznej informacji kognitywnej, podkreślając jej praktyczną obliczalność oraz praktyczną obliczalność informacji kognitywnej pochodzącej z wnioskowań probabilistycznych.
    Źródło:
    Przegląd Filozoficzny. Nowa Seria; 2013, 2; 207-230
    1230-1493
    Pojawia się w:
    Przegląd Filozoficzny. Nowa Seria
    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