Adaptacyjne metody prognozowania

• Autorzy: Stanisława Ostasiewicz , Walenty Ostasiewicz
• Języki publikacji: PL

Abstrakty

Adaptacyjne metody aproksymacji stosowane przy prognozowaniu szeregów czasowych nazywa się też metodami uczenia systemów prognozujących. W literaturze statystycznej pod pojęciem metod adaptacyjnych rozumiane są wszelkie rekurencyjne metody estymacji modeli, zwłaszcza metody typu aproksymacji stochastycznej. Wszystkie metody typu adaptacyjnego wykorzystują ideę średniej ruchomej oraz innych statystyk ruchomych zwanych też statystykami pełzającymi, ślizgającymi lub biegnącymi. (fragment tekstu)

Słowa kluczowe

PL

Metody prognozowania; Materiały konferencyjne

EN

Forecasting methods; Conference materials

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 1998
• Numer: nr 808 Prognozowanie w zarządzaniu firmą
• Strony: 142--150

Twórcy

autor

Stanisława Ostasiewicz

• Akademia Ekonomiczna we Wrocławiu

autor

Walenty Ostasiewicz

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Allen D.M.: Mean Square Error of Prediction as a Criterion for Selecting Variables. "Technometrics" 1971, vol. 13, nr 3, 469-475.
• Buja A., Hastie T., Tibshirani R.: Linear Smoothers and Additive Models. "The Annals of Statistics" 1989,17, 453-555.
• Cheng B., Titterington D.M.: Neural Networks: a Review from a Statistical Perspective. "Statistical Science" 1994, 9, 2-54.
• Cleveland W.S.: Robust Locally Weighted Regression and Smoothing Scatter Plots. "JASA" 1979, vol. 74, nr 368.
• Craven P., Wahba G.: Smothing Noisy Data with Spline Functions. "Numer. Math." 1979, 31, 377-403.
• Devroye L., Gyorfi L.: Non-parametric Density Estimation, the L1 View. J. Wiley, 1985.
• Eilers P.H., Marx B.D.: Flexible Smoothing with B-splines and Penalties. "Statistical Science" 1996,11, 89-121.
• Friedman J.: An Overview of Predictive Learning and Function Approximation. [w:] Cherkassky N., Friedman J., Wechsler H. (eds.): From Statistics to Neural Networks. Springer, 1994, 1-61.
• Hastie T., Loader C.: Local Regression: Automatic Kernel Carpentry. "Statistical Science" 1993, 8,120-143.
• Hogg R.V., Randles R.H.: Adaptive Distribution-free Regression Methods and their Applications. "Technometrics" 1975,17, 399-407.
• Huber P.J.: Projection pursuit. "Annals Statistics" 1985,13, 435-475.
• Jennen-Steinmetz C., Gasser L.: A Unifying Approach to Nonparametric Regression Estimation. "JASA" vol. 83,1988,1084-1098.
• Kuan G.M., White H.: Artificial Neural Networks: an Econometric Perspective. "Econometric Reviews" 1994, 13(1), 1-91.
• Kunt M.: IAPR Newsletter. Vol. 18, nr 3, 1996.
• Mallows C.L.: Some Theory of Non-linear Smoothers. "The Annals of Statistic" 1980, vol. 8, nr 4,695-715.
• Silverman B.W.: Some Aspects of the Spline Smoothing Approach to Non-parametric Regression Curve Fitting. "J.R. Statist. Soc." B, 1985,47,1-52.
• Young P.: Recursive Estimation and Time Series Analysis. Springer 1984.