Miary empiryczne w programowaniu stochastycznym

• Autorzy: Edward Smaga

Warianty tytułu

Empirical Measures in Stochastic Programming

• Języki publikacji: PL

Abstrakty

Celem niniejszego artykułu jest wskazanie możliwości wykorzystania miar empirycznych w rozwiązywaniu zadań programowania stochastycznego. Oczywistym jest, że musimy dysponować macierzą obserwacji występujących w zagadnieniu zmiennych losowych. Swoją propozycję przedstawimy na przykładzie konkretnego problemu programowania produkcji. Wcześniej jednak naszkicujemy konstrukcję miar empirycznych. (fragment tekstu)

EN

In the article potential applications of empirical measures to stochastic programming are presented. The use of these measures transforms stochastic programming problem to deterministic mathematical programming problem. Nonparametric estimators, presented in brief In the article, are the basic tool of empirical cognition. Theoretical considerations are illustrated on toe example of production programming problem. (original abstract)

Słowa kluczowe

PL

Programowanie stochastyczne; Funkcje matematyczne; Programowanie produkcji

EN

Stochastic programming; Mathematical functions; Production programming

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie
• Rocznik: 1989
• Numer: nr 297 Prace z zakresu polityki ekonomicznej i planowania
• Strony: 33--42

Twórcy

autor

Edward Smaga

• Akademia Ekonomiczna w Krakowie

Bibliografia

• Dobija M., Metoda empirycznych miar prawdopodobieństwa w rachunkowości, Kraków 1987, maszynopis.
• Dobija M., Smaga E., Wąsik B., Zając K., Metody statystyczne w systemowym przetwarzaniu informacji ekonomicznej, PWE, Warszawa 1983.
• Elementy rachunku ekonomicznego, praca zbiorowa, Warszawa 1967.
• Lenge O., Optymalne decyzje. Zasady programowania, Warszawa 1967.
• Mack Y.P., Local properties of k-NN regression estimates, SIAM, vol. 2, no 3, September 1981.
• Nadaraya E.A., On Estimating regression, "Theor. Probab. Appl". 1964, vol. 9.
• Noda K., Estimation of a regression function by the Parzen kernel-type density estimators, "Ann.Inst.Statist.Math" 1976, 28.
• Parzen E., On estimation of a probability density function and mode, "Ann.Math.Statist". 1962, 33.
• Revesz P., How to apply the method of stochastic approximation in the nonoarametric estimation of a regression function, "Mathematische Operationsforschung und Statistik. Series Statistics" 1977, vol. 8.
• Rosenblatt M., Remarks on some nonparametric estimators of a density function, "Ann. Math.Statist" 1956, 27.
• Silverman B.W., Weak and strong uniform consistency of the kernel estimate of a density and its derivatives, "Ann.Statist." 1978, 6.
• Watson G.S., Smooth regression analysis, Sankhya Ser. A 1964, 26.
• Wolverton G.T., Wagner T.J., Asymptotical optimal discriminant functions for pattern classification, "IEEE Trans.Inform.Theory" 1965, vol. 15.