Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Regresja rozmyta
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Modele ekonometryczne jako narzędzie sterowania procesami technologicznymi
100%
XX
W opracowaniu przedstawiono propozycję zastosowania modeli ekonometrycz-nych w sterowaniu procesami technologicznymi. Modele ekonometryczne są narzędziem słu-żącym do wyznaczania prognoz krótkoterminowych, które są podstawą sterowania urządze-niami infrastruktury produkcyjnej. Zaproponowano metodę korekcji błędów prognoz w rze-czywistym procesie produkcyjnym. Przedstawiono modele wygładzania wykładniczego oraz adaptacyjny model trendu pełzającego z wagami harmonicznymi. W obliczeniach wykorzysta-no funkcję regresji. Wskazano zagadnienie programowania liniowego. Metoda przedstawiona została na przykładowym klasycznym procesie technologicznym stosowanym w energetyce. Przeprowadzone badanie wskazuje możliwość innego spojrzenia na procesy sterowania, nie-koniecznie oparte na dotychczasowych sposobach regulacji. Zamysłem tego opracowania jest zademonstrowanie możliwości zastosowania ekonometrii w przemyśle.(abstrakt oryginalny)
EN
This paper presents a proposal for process control applications based on econo-metric models. They are a tool which aim is to determine short-term forecasts, which are the basis to control the devices of production infrastructure. The article describes the application of the method of forecast errors corrective device in a real production process. Econometric models are presented: the exponential smoothing model and creeping trend adaptive model with harmonic scales. The calculations are used and the regression function is indicated by the linear programming problem. The method is presented on the example of classical tech-nological process used in the energy sector. The study indicates the possibility of another perspective on the control processes, not necessarily based on the existing methods of regu-lation. The idea of this study is to demonstrate the possibility of using econometrics in the industry.(original abstract)
XX
W artykule przedstawiono próbę skonstruowania metody umożliwiającej prognozowanie na podstawie predefiniowanego zbioru modeli. Metoda ta wykorzystuje teorię zbiorów rozmytych do oceny przydatności każdego z modeli tego zbioru oraz do agregacji postawionych prognoz na podstawie najbardziej przydatnych modeli. (abstrakt oryginalny)
EN
In this paper an integration of a fuzzy Controller and a fuzzy regression model is presented. This integration takes place in the rule base. The paper shows, how a regression model can take the role of a fuzzy rule's antecedent and how forecasts based on that model can generale that rule's consequent. Mamdani and Takagi-Sugeno Controllers are considered. Application of a fuzzy-regression Controller for aggregating forecasts from different models via introducing a rule for every fuzzy regression model of different analytical form and/or different set of observations is proposed. Empirical research for the chosen macroeconomic data is conducted. (original abstract)
3
Content available remote A Method of Variable Selection for Fuzzy Regression - the Possibility Approach
100%
EN
A method of variable selection for fuzzy regression has been proposed. Using the method, the significance of fuzzy regression coefficients has been examined. The method presented is equivalent to the method of variable selection for classical regression based on an analysis of the confidence interval for their coefficients. Illustrative examples are presented. (original abstract)
XX
W artykule przedstawiono model przedziałowy, który stanowi pewien szczególny przypadek modelu rozmytego i jednocześnie jest punktem wyjścia do analizy regresji rozmytej. Prezentowane modele ilustrowane są przykładami liczbowymi w celu pokazania istoty problemu.
EN
This article presents an interval model, which constitutes a specific case of a fuzzy model and simultaneously is a starting point to an analysis of the fuzzy regression. Sample figures have accompanied presented models as to illustrate the nature of the problem. (JW)
5
Content available remote A Method for Detecting Outliers in Fuzzy Regression
100%
EN
In this article we propose a method for identifying outliers in fuzzy regression. Outliers in a sample may have an important influence on the form of the regression equation. For this reason there is great scientific interest in this issue. The method presented is analogous to the method of finding outliers based on the studentized distribution of residuals. In order to identify outliers, regression models are constructed with an additional explanatory variable for each observation. Next, the significance of a fuzzy regression coefficient is analysed considering this additional explanatory variable. Illustrative examples are presented. (original abstract)
EN
This article describes the problem of using fuzzy logic in the forecasts of variants of the results of implemented investment projects. It also shows the possibility of using calculations with the application of fuzzy triangular numbers L-R in the variants of results: an optimistic result, a pessimistic result and the most probable result (the central result). Moreover, the article draws attention to the possibility of using fuzzy numbers to estimate fuzzy risk of a forecasted financial result of a company. In addition, the article presents how a dividend may be shaped in consideration of multiplicity of variants if dividend policy takes into account dependence on company results as well as implemented investment projects. (original abstract)
EN
Tanaka (1991) suggested that the parameters of a linear regression model should be made fuzzy in order to better reflect the nature of the system, involving a definite degree of variability, and created a fuzzy linear regression model. This model can be formulated in the form of a linear programming problem that minimizes the span between the upper and lower limits under the constraints that include all data. In recent years, all the attention in this context has been focused on a fuzzy number that has an indifferent zone. A fuzzy number that we consider here is defined by using a type 2 membership function. This paper addresses the fact that a type 2 membership function has the upper and lower limits and shows that a type 2 membership function can be identified by expanding a fuzzy linear regression model into a fuzzy linear polynomial regression model. Finally, after a proposed fuzzy polynomial model is identified, a mathematical model is developed for a fuzzy decision-making method that accounts for an indifferent zone. (original abstract)
XX
W artykule zaproponowano nowe podejście do analizy regresji, tzw. regresję rozmytą. Jest to uogólnienie klasycznej analizy regresji, którą można wykorzystać do analizy relacji między zmiennymi, jeśli dany zbiór obiektów jest niejednorodny. Wykazano, że wzory na współczynniki regresji oraz na współczynnik determinacji w przypadku regresji rozmytej są analogiczne do tych z klasycznej analizy regresji. Rozważania ilustrują przykłady dotyczące analizy wybranych zjawisk społeczno-gospodarczych.
EN
In the paper a new approach to regression analysis, so called fuzzy regression in proposed. It is generalization of the classical regression analysis, which can be used to analysis of relationships between variables if given set of objects is heterogenous. It is shown, that the formulas for the regression coeffcients and for the determination coefficient in the case of fuzzy regression are analogous to those from the classical regression analysis. Examples regarding the analysis of selected social-economic phenomena illustrate the considerations. (original abstract)
XX
Celem pracy jest ocena zróżnicowania struktury agrarnej województw w ujęciu dynamicznym w latach 1996-2008. Obliczenia przeprowadzono na podstawie danych statystycznych GUS - liczby i powierzchni gospodarstw rolnych według grup obszarowych dla poszczególnych województw. Korzystając z metody klasyfikacji rozmytej, dokonano grupowania województw pod względem podobieństwa struktury agrarnej dla danych z lat: 1996, 2002, 2008. W wyniku grupowania dla każdego roku otrzymano cztery grupy o takim samym składzie. Grupę I tworzą województwa: małopolskie, śląskie i podkarpackie. Występuje tu największe rozdrobnienie struktury agrarnej. W 2008 roku w województwach tej grupy średnio 82,7% gospodarstw ma powierzchnię 1-5 ha, 14,4% to gospodarstwa o powierzchni 5-10 ha. Pozostałe gospodarstwa stanowią znikomy odsetek: 10-20 ha - 3,3%, 20-50 ha - 1,1%, powyżej 50 ha - 0,3%. Do grupy II należą województwa: łódzkie, mazowieckie i lubelskie, gdzie wskaźniki struktury kształtują się odpowiednio na poziomie: 51,5%, 29,2%, 14%, 4,2% i 0,5%. Najmniej rozdrobniona struktura występuje w województwach grupy III: podlaskim, kujawsko-pomorskim, pomorskim, warmińsko-mazurskim i wielkopolskim. Średni rozkład struktury jest tu najbardziej równomierny: 35,5%, 23%, 25,2%, 13,3% i 3,1%. Grupę IV tworzą województwa: lubuskie, dolnośląskie i opolskie. Średnie wskaźniki struktury przyjmują odpowiednio wartości: 57%, 19,9%, 12,5%, 7,3% i 3,2%. Przeprowadzona analiza dynamiki wykazała, że badana struktura zmienia się w tym samym kierunku i tempie w województwach należących do tej samej grupy typologicznej. Dotyczy to zarówno zmian wskaźników struktury, jak i dynamiki liczebności klas obszarowych. (abstrakt oryginalny)
EN
The aim of the paper is to assess diversification dynamics of the agrarian structure of voivodeships in years 1996-2008. The calculations were made on the basis of statistical data obtained from the Central Statistical Office-the number and area of farms have been grouped by voivodeships. With the use of a fuzzy classification method, voivodeships have been divided into groups of similar agrarian structures according to data of 1996, 2002 and 2008. As a result, 4 groups comprising the same voivodeships in each year have been distinguished. Group I consists of Małopolskie, Śląskie and Podkarpackie voivodeships. It is characterized by the highest degree of fragmentation of the agrarian structure. In 2008 around 82% of farms had the area of 1-5 hectares, while 14.4% of them had the area of 5-10 hectares. The remaining farms represent a very small proportion: 10-20 hectares-3.3%, 20-50 hectares-1.1%, more than 50 hectares-0.3%. Group II consists of Łódzkie, Mazowieckie and Lubelskie voivodeships, where structure indices are as follows: 51.5%, 29.2%, 14%, 4.2% and 0.5%. The lowest degree of fragmentation is observed in group III, comprising Podlaskie, Kujawsko-Pomorskie, Pomorskie, Warmińsko-Mazurskie and Wielkopolskie voivodeships. The average structure is more regular in this group: 35.5%, 23%, 25.2%, 13.3% and 3.1%. Group IV consists of Lubuskie, Dolnośląskie and Opolskie voivodeships and average structure indices are as follows: 57%, 19.9%, 12.5%, 7.3% and 3.2%. The analysis of dynamics shows that the investigated structure changes in the same direction and at the same rate in voivodeships from the same typological group, both in respect of changes of structure indices and in respect of the number dynamics of area classes. (original abstract)
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.