Informacja

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

Wyszukujesz frazę "stochastic EM algorithm" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Estimation procedures for partially accelerated life test model based on unified hybrid censored sample from the Gompertz distribution
Autorzy:
Lone, Showkat Ahmad
Panahi, Hanieh
Powiązania:
https://bibliotekanauki.pl/articles/2172027.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
constant-stress
maximum a posteriori
maximum product of spacing
stochastic EM algorithm
unified hybrid censoring
Opis:
The accelerated life testing is the key methodology of evaluating product reliability rapidly. This paper presents statistical inference of Gompertz distribution based on unified hybrid censored data under constant-stress partially accelerated life test (CSPALT) model. We apply the stochastic expectation-maximization algorithm to estimate the CSPALT parameters and to reduce computational complexity. It is shown that the maximum likelihood estimates exist uniquely. Asymptotic confidence intervals and confidence intervals using bootstrap-p and bootstrap-t methods are constructed. Moreover the maximum product of spacing (MPS) and maximum a posteriori (MAP) estimates of the model parameters and accelerated factor are discussed. The performances of the various estimators of the CSPALT parameters are compared through the simulation study. In summary, the MAP estimates perform superior than MLEs (or MPSs) with respect to the smallest MSE values.
Źródło:
Eksploatacja i Niezawodność; 2022, 24, 3; 427--436
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sekwencyjna metoda Monte Carlo i jej zastosowanie do modelowania zmienności inflacji w Polsce
Sequential Monte Carlo method and its application for modelling inflation volatility in Poland
Autorzy:
Brzozowska-Rup, Katarzyna
Powiązania:
https://bibliotekanauki.pl/articles/2041251.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
algorytm EM
Inflacja
metoda SMC
model CIR
Modele zmienności stochastycznej
CIR model
Expectation-Maximization (EM) algorithm
Inflation
Sequential Monte Carlo method
Stochastic volatility models
Opis:
The aim of the article is to present a selected model of stochastic volatility to describe inflation volatility in Poland, with particular emphasis on the possibility of using the estimation technique based on the Sequential Monte Carlo method. A model of stochastic volatility is presented, in which conditional variance is treated as an unobserved variable described by the one-factor Cox, Ingersoll and Ross model (CIR, 1985). The advantages and effectiveness of the proposed method are presented on the basis of monthly inflation rates in Poland from 2004 to 2017.
Celem artykułu jest zaprezentowanie wybranego modelu stochastycznej zmienności do opisu zmienności inflacji w Polsce, ze szczególnym uwzględnieniem możliwości zastosowania techniki estymacji wykorzystującej sekwencyjną metodę Monte Carlo (ang. Sequential Monte Carlo method, SMC). Przedstawiono model zmienności stochastycznej, w którym wariancja warunkowa jest traktowana jako zmienna nieobserwowana opisywana za pomocą jednoczynnikowego modelu Coxa, Ingersola i Rossa (CIR) [Cox, Ingersoll, Ross, 1985]. Zalety oraz efektywność proponowanej metody zaprezento-wano na podstawie miesięcznych danych historycznych poziomu inflacji w Polsce w latach 2004-2017.
Źródło:
Studia Ekonomiczne; 2020, 395; 21-36
2083-8611
Pojawia się w:
Studia Ekonomiczne
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