- Autor
- Ostasiewicz Stanisława (Akademia Ekonomiczna we Wrocławiu), Ostasiewicz Walenty (Akademia Ekonomiczna we Wrocławiu)
- Tytuł
- Adaptacyjne metody prognozowania
- Źródło
- Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1998, nr 808, s. 142-150, bibliogr. 17 poz.
- Tytuł własny numeru
- Prognozowanie w zarządzaniu firmą
- Słowa kluczowe
- Metody prognozowania, Materiały konferencyjne
Forecasting methods, Conference materials - Abstrakt
- 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)
- Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego 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.
- Cytowane przez
- ISSN
- 0324-8445
- Język
- pol
