PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 33

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Nonparametric regression
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
1
Przegląd metod regularyzacji w zagadnieniach regresji nieparametrycznej
100%
Trzęsiok M.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
|
2011
|
18
|
nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
330-339
Wiele nieparametrycznych funkcji regresji w trakcie wykonywania algorytmu jest systematycznie poprawianych, tak by końcowy model charakteryzował się jak najlepszym dopasowaniem do danych ze zbioru uczącego. W efekcie otrzymujemy modele o niskich wartościach błędów resubstytucji i wysokiej złożoności, które jednak charakteryzują się niewielką zdolnością uogólniania, rozumianą jako zdolność poprawnej predykcji na nowych obiektach. Zachodzi potrzeba przeciwdziałania temu zjawisku. Proces uproszczenia postaci modelu przy jednoczesnym kontrolowaniu jego dopasowania nazywamy regularyzacją. W artykule przedstawione i porównane zostały techniki regularyzacji wykorzystywane w nieparametrycznych metodach regresji.(abstrakt oryginalny)
2
Wybrane nieparametryczne metody regresji i ich zastosowania
80%
Trzęsiok J.
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
|
2004
|
11
|
nr 1022 Klasyfikacja i analiza danych - teoria i zastosowania
107-115
W referacie zostaną przedstawione wybrane nieparametryczne metody regresji oparte na funkcjach składanych. Zostanie opisana metoda krzywych składanych w przestrzeni jednowymiarowej, a następnie pewne jej uogólnienie na przestrzeń wielowymiarową, czyli metoda MARS. Metody te zostaną zastosowane do danych dotyczących rynku wydawniczego. Badania empiryczne będą przeprowadzone za pomocą programu statystycznego R. (fragment tekstu)
3
Content available remote O regularyzacji wybranych nieparametrycznych modeli regresji
80%
Trzęsiok J.
Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach
|
2008
|
nr 50 Zastosowanie metod matematycznych w ekonomii i zarządzaniu
139-150
Problem regularyzacji został w różny sposób rozwiązany w nieklasycznych metodach regresji. Celem tego artykułu jest przedstawienie przykładowych rozwiązań tego zagadnienia w wybranych nieparametrycznych metodach regresji, takich jak: metoda krzywych sklejanych, MARS i MART.(fragment tekstu)
4
Wykorzystanie krzywych składanych w regresji nieparametrycznej
80%
Gatnar E.
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
|
2001
|
7
|
nr 895 Zastosowania metod ilościowych
82-89
Scharakteryzowano metodę rekurencyjnego podziału przestrzeni cech wykorzystywaną do budowy modelu regresyjnego w postaci krzywych składanych zwaną MARS (Multivariate Adaptive Regression Splines).
5
Content available remote Outliers vs Robustness in Nonparametric Methods of Regression
80%
Trzęsiok J.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2018
|
vol. 4, t. 337
99-109
Artykuł poświęcony jest zagadnieniu odporności metod regresji na obserwacje odstające występujące w zbiorze danych. W pierwszej części przedstawiono wybrane metody identyfikacji obserwacji nietypowych. Następnie badano odporność trzech nieparametrycznych metod regresji: PPR, POLYMARS i RANDOM FORESTS. Analiz dokonano za pomocą procedur symulacyjnych na zbiorach danych, w których wykryto obserwacje odstające. Mimo dosyć powszechnych przekonań o odporności regresji nieparametrycznej okazało się, że modele zbudowane na całych zbiorach danych mają istotnie mniejsze zdolności predykcyjne niż modele uzyskane na zbiorach, z których usunięto obserwacje nietypowe.(abstrakt oryginalny)
6
Nieparametryczna estymacja regresji z uwzględnieniem informacji wstępnej o zmiennej warunkującej
80%
Tatar J.
Prace Naukowe / Akademia Ekonomiczna w Katowicach
|
1991
|
Ekonometria : materiały XXV Konferencji Ekonometrycznej i VII Seminarium Naukowego im. Zbigniewa Pawłowskiego : Katowice - Kraków - Wrocław
116-127
W dotychczasowej literaturze przedmiotu formułowane i dowodzone własności nieparametrycznych estymatorów są prawie wyłącznie własnościami asymptotycznymi, a więc takimi, jakie miałby estymator, gdybyśmy dysponowali próbą o nieskończonej liczebności. W praktyce jest ona jednak zawsze skończona, zaś w badaniach procesów i zjawisk gospodarczych - ponieważ obserwacji i pomiarowi poddaje się realnie i obiektywnie istniejącą rzeczywistość /nie zaś dający się powtórzyć eksperyment/ - dysponujemy na ogół tylko jedną konkretną jej realizacją. W tej sytuacji interesujące może być podejście zmierzające do sformułowania takich warunków dla jądra i parametrów skali, aby konstruowany, przy danej realizacji skończeniewymiarowego wektora próbnego estymator był "najlepszym" - w sensie przyjętego odpowiednio kryterium - estymatorem opisywanej charakterystyki rzeczywistej /tzn. gęstości lub regresji/. Prezentowane opracowanie poświęcamy konstrukcji takiego właśnie estymatora funkcji regresji. (fragment tekstu)
7
Wybrane symulacyjne techniki porównywania nieparametrycznych metod regresji
80%
Trzęsiok J.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
|
2013
|
20
|
nr 278 Klasyfikacja i analiza danych - teoria i zastosowania
197-205
W artykule przedstawiono symulacyjną procedurę badawczą pozwalającą na porównywanie różnych nieparametrycznych modeli regresji. Procedura ta przebiega dwuetapowo. Na początku tworzonych jest wiele modeli regresji, spośród których wybrane i uszeregowane w postaci rankingu zostają te modele, które charakteryzują się najlepszą dokładnością predykcji, mierzoną za pomocą estymatora punkowego, jakim jest błąd średniokwadratowy obliczony metodą sprawdzania krzyżowego (MSECV). Drugi etap analizy ma na celu zbadanie istotności różnic pomiędzy uzyskanymi wartościami MSECV, a t ym s amym skorygowanie otrzymanych rankingów metod. Zaproponowaną procedurę badawczą zastosowano w badaniu empirycznym dla zbiorów danych standardowo wykorzystywanych do badania własności metod regresji.(abstrakt oryginalny)
8
Content available remote Badanie odporności wybranych nieparametrycznych modeli regresji
61%
Trzęsiok J.
Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach
|
2010
|
nr 56 Zastosowanie metod matematycznych w ekonomii i zarządzaniu
133-146
W niniejszym opracowaniu zostanie zaprezentowana analiza wrażliwości nieparametrycznych metod regresji na występowanie w zbiorze danych wartości oddalonych oraz wartości zaburzonych wpływem zmiennych losowych. Badanie odporności modeli regresji zostanie przeprowadzone dla dwóch wybranych nieparametrycznych metod: - wielowymiarowej metody krzywych sklejanych POLYMARS, - metody rzutowania PPR. Uzyskane wyniki będą również porównane z błędami predykcji dla klasycznego modelu regresji liniowej.(fragment tekstu)
9
Content available remote Ocena zasadności łączenia wybranych nieparametrycznych modeli regresji
61%
Trzęsiok J.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
|
2008
|
15
|
nr 7 (1207) Klasyfikacja i analiza danych - teoria i zastosowania
346-353
Celem artykułu było zweryfikowanie hipotezy o zasadności łączenia wybranych modeli regresji otrzymanych metodami nieparametrycznymi. Zachodzi pytanie, czy poprzez agregację tych modeli uzyskamy istotną poprawę wyników predykcji. W pierwszym etapie analizy mającej na celu zweryfikowanie powyższej hipotezy zbadano zróżnicowanie modeli regresji zbudowanych za pomocą metod: MARS, PPR, ACE i AVAS. W drugim etapie porównano dokładność predykcji modeli indywidualnych oraz zagregowanych. (fragment tekstu)
10
Wykorzystanie regresji nieparametrycznej do modelowania wielkości oszczędności gospodarstw domowych
61%
Trzęsiok J.
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
|
2013
|
nr 159 Zastosowanie metod matematycznych w ekonomii i zarządzaniu
99-108
W artykule przedstawiono wykorzystanie regresji nieparametrycznej do modelowania wielkości oszczędności gospodarstw domowych. Analizę przeprowadzono na danych rzeczywistych, pochodzących z badania przeprowadzonego w 2000 r. przez Główny Urząd Statystyczny [GUS, 2001]. Przeprowadzone badania porównawcze pokazują, że niemożliwe jest wskazanie najlepszej metody regresji, która w każdej sytuacji, niezależnie od rozważanego zbioru danych, dawałaby najniższe błędy predykcji [Meyer et al., 2003]. W przypadku szacowania wielkości oszczędności gospodarstw domowych nie było też merytorycznych argumentów wspomagających wybór metody regresji. Zastosowano więc procedurę polegającą na zbudowaniu kilku modeli regresji nieparametrycznych i wybrano model o najlepszej zdolności predykcji, który następnie poprawiono poprzez wyeliminowanie z niego zmiennych nieistotnych. Wszystkie obliczenia i analizy wykonano z wykorzystaniem programu statystycznego R.(fragment tekstu)
11
Nieparametryczne estymatory regresji w badaniach zjawisk ekonomicznych
61%
Zając K., Dobija M., Smaga E.
Folia Oeconomica Cracoviensia
|
1988
|
31
181-191
Celem pracy jest przedstawienie nieparametrycznego estymatora regresji z normalną funkcją wagi i losowym parametrem skali. Dodatkowo wskazuje się na możliwości wykorzystania tego estymatora w analizie zjawisk ekonomicznych. Proponowany estymator wiąże się z klasami nieparametrycznych estymatorów regresji, które przedstawili w swoich pracach Nadaraya, Watson, Rosenblatt, Mack, Stone i inni. Odpowiedni wybór parametru skali nadaje estymatorowi dodatkowe korzystne własności i konkretną postać, wygodną w wykonywaniu obliczeń i zastosowań ekonomicznych. Zastosowanie tego estymatora w wielowymiarowej analizie zjawisk ekonomicznych - niekoniecznie opisanych za pomocą modelu - zapewnia efektywne rezultaty. (fragment tekstu)
12
Content available remote O interpretacji nieparametrycznych modeli regresyjnych
61%
Stelmach J.
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
|
2014
|
nr 203 Badania ekonometryczno-statystyczne w teorii i praktyce
154-162
Celem eksperymentu była weryfikacja możliwości interpretacji modeli nieparametrycznych. Istotą proponowanej metody jest utworzenie dodatkowych obserwacji za pomocą zaakceptowanych modeli nieparametrycznych w takim zakresie zmienności, w którym interpretacja parametrów modelu byłaby pożądana. Obserwacje te stanowią próbę wykorzystaną do budowy wtórnego modelu parametrycznego, który można już interpretować. W badaniach porównano właściwości opisanych wyżej wtórnych modeli parametrycznych z modelami parametrycznymi obliczonymi dla próby pierwotnej. (fragment tekstu)
13
Content available remote Estimation of Measurement Error Using Local Sampling and Joint Nonparametric Linearisation
61%
Górkiewicz M.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2002
|
162 Multivariate Statistical Analysis - Theory and Applications
99-108
Praca prezentuje zastosowanie techniki najbliższych sąsiadów w celu przekształcenia zbioru N danych postaci (Z, X, YT) w zbiór J ~ N prób lokalnych (Z, X), przy ograniczeniach dotyczących minimalnej liczby danych К oraz różnic wartości YT w każdej próbie lokalnej, gdzie Z pełni rolę zmiennej zależnej, X - zmiennej niezależnej, a Y1 = (Y, ..., YL) jest L-wymiarową zmienną dodatkową. Następnie proponuje się procedurę nieparametrycznej łącznej linearyzacji zbioru prób lokalnych. Obie procedury proponuje się stosować do oceny dokładności metod pomiarowych, z odchyleniem standardowym błędu pomiarów jako zmienną Z i wielkością mierzoną jako zmienną X. Proponowane podejście może być użyteczne w innych zastosowaniach, kiedy zamiast modelu regresji wielowymiarowej estymuje się rodzinę zależności regresyjnych. (abstrakt oryginalny)
14
Nieparametryczna estymacja rozkładu stóp odzysku z ekspozycji kredytowej na bazie krótkich szeregów czasowych
61%
Kozłowski Ł., Osiński P.
Bank i Kredyt
|
2006
|
nr 11-12
67-80
W artykule przedstawiono analizę jednego z parametrów ryzyka kredytowego, a mianowicie stopy odzysku (ang. recovery rates, RR) dla portfeli kredytowych banku. Nie ograniczono się do estymacji wartości oczekiwanej stopy odzysku czy jej odchylenia standardowego dla zadanego portfela kredytowego, ale wykorzystując techniki nieparametryczne, zbudowano funkcję gęstości rozkładu prawdopodobieństwa stopy odzysku.
15
Some Nonparametric Estimators of Regression Function
61%
Baszczyńska A.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2007
|
206 Methods of Multivariate Statistical Analysis and Their Applications
45-52
W pracy przedstawiono wybrane dwa nieparametryczne estymatory funkcji regresji: estymator jądrowy Nadaraya-Watsona oraz estymator k-najbliższego sąsiada. Podano ich własności, możliwości wykorzystania oraz dokonano porównania tych estymatorów. Przedstawiono również przykład zastosowania estymatora jądrowego regresji z uwzględnieniem właściwego doboru parametrów metody (funkcji jądra i parametru wygładzania h) oraz estymatora k-najbliższego sąsiada z uwzględnieniem właściwego doboru parametru k. Zaproponowano również praktyczne zasady wyboru parametrów estymacji funkcji regresji i wykorzystano je w przykładzie. (abstrakt oryginalny)
16
Content available remote Spojrzenie na metody estymacji w modelach regresyjnych przez pryzmat programowania matematycznego
61%
Prędki A.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
|
2011
|
nr 238 Zastosowanie badań operacyjnych : zarządzanie projektami, decyzje finansowe, logistyka
365-378
W pracy zostaną przypomniane wybrane metody estymacji stosowane w liniowym modelu regresji (zwykła i skorygowana MNK oraz metoda PP) w postaci odpowiednich zadań z zakresu programowania matematycznego. Traktujemy je więc czysto deterministycznie, jako problemy optymalizacyjne z zakresu badań operacyjnych. Następnie podane zostaną ich mniej znane odpowiedniki, stosowane ostatnio w modelach regresji nieparametrycznej. Omówiono problemy numeryczne i identyfikacyjne związane z rozwiązywaniem tych zadań. W części empirycznej nastąpi ilustracja działania metod nieparametrycznych na przykładzie opartym na danych rzeczywistych. (abstrakt oryginalny)
17
Dobór zmiennych do modelu regresyjnego zbudowanego za pomocą wybranych metod nieparametrycznych
61%
Trzęsiok J.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
|
2010
|
17
|
nr 107 Klasyfikacja i analiza danych - teoria i zastosowania
172-180
W artykule poruszony został problem doboru zmiennych objaśniających do modelu regresyjnego, zbudowanego za pomocą wybranych nieparametrycznych metod regresji: POLYMARS oraz PPR. Przedstawione i porównane zostały dwie procedury selekcji zmiennych: eliminacja pojedynczych zmiennych oraz eliminacja blokiem. Wyniki przeprowadzonych analiz pokazują, że zastosowanie redukcji liczby zmiennych prowadzi do uzyskania modeli mniej złożonych i charakteryzujących się mniejszymi wartościami błędu średniokwadratowego niż modele zbudowane na komplecie zmiennych.(abstrakt oryginalny)
18
Content available remote O odporności na obserwacje odstające wybranych nieparametrycznych modeli regresji
61%
Trzęsiok J.
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
|
2015
|
nr 227
75-84
Artykuł jest poświęcony zagadnieniu odporności metod regresji na obserwacje odstające występujące w zbiorze danych. W pierwszej części przedstawiono wybrane metody identyfikacji obserwacji nietypowych. Następnie badano odporność trzech nieparametrycznych metod regresji: PPR, POLYMARS i RANDOM FORESTS. Analiz dokonano za pomocą procedur symulacyjnych na rzeczywistym zbiorze danych Mieszkania, w którym wykryto obserwacje odstające. Pomimo dosyć powszechnych przekonań o odporności regresji nieparametrycznej, okazało się, że modele zbudowane na całym zbiorze danych mają istotnie mniejsze zdolności predykcyjne niż modele uzyskane na zbiorze, z którego usunięto obserwacje nietypowe.(abstrakt oryginalny)
19
On Some Simulation Procedures for Comparing Nonparametric Methods of Regression
61%
Trzęsiok J.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2013
|
286 Methods and Applications of Multivariate Statistical Analysis
155-161
W artykule przedstawiono symulacyjną procedurę badawczą pozwalającą na porównywanie różnych nieparametrycznych modeli regresji, jak i wybór najlepszego z nich. Zaproponowana procedura przebiega dwuetapowo. W pierwszym etapie tworzony jest ranking modeli regresji, pod względem dokładności predykcji, mierzonej za pomocą błędu średniokwadratowego obliczonego metodą sprawdzania krzyżowego (MSECV ). Drugi etap analizy ma na celu zbadanie istotności różnic pomiędzy uzyskanymi wartościami MSECV, a tym samym skorygowanie otrzymanych rankingów. Do testowania istotności wspomnianych różnic wykorzystano nieparametryczną statystykę testującą zaproponowaną przez Hothorna. Opisaną procedurę badawczą zastosowano w badaniu empirycznym, dla zbiorów danych standardowo wykorzystywanych do analizowania własności różnych metod regresji. (abstrakt oryginalny)
20
Nieparametryczna estymacja funkcji przeżycia w modelu prawostronnego cenzurowania I rodzaju
61%
Rossa A.
Przegląd Statystyczny
|
2002
|
49
|
z. 1
115-125
Dane prawostronnie cenzurowane pojawiają się w badaniach, w których przedmiotem obserwacji jest czas trwania danego zjawiska. Czas ten określany jest w literaturze mianem czasu awarii (failure time), a w badaniach biomedycznych mianem czasu życia (survival time). Ze względu na specyfikę niektórych badań czas trwania zjawisk bardzo często nie może być obserwowany "do końca", a uzyskane informacje ograniczają się do stwierdzenia, że czas ten jest dłuższy niż zarejestrowany. Mówimy wówczas o tzw. prawostronnym cenzurowaniu danych. "Wypadanie" obiektów z próby może być spowodowane różnymi przyczynami zależnymi lub niezależnymi od badanej zmiennej. W dalszym ciągu rozaważać będziemy tzw. cenzurowanie I rodzaju, którego jedyną przyczyną jest ograniczony czas monitorowania obiektów. W tym przypadku mechanizm powodujący cenzurowanie jest niezależny od mechanizmów określających trwanie zjawiska. Występowanie danych cenzurowanych utrudnia wnioskowanie o rozkładzie badanej zmiennej, reprezentowanego przez dystrybuantę lub jej dopełnienie, nazywane dalej funkcją przeżycia. Artykuł przedstawia propozycję estymatora funkcji przeżycia w modelu losowego i niezależnego cenzurowania I rodzaju. Proponowany estymator jest nieobciążony, zgodny i asymptotycznie normalny.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.