Przeglądaj katalog alfabetyczny według autorów, tytułów lub słów kluczowych. Kliknij odpowiedni przycisk poniżej, a następnie wybierz pierwszą literę nazwiska, tytułu czy słowa kluczowego.
(cytat, str. 101) Modele logitowe i probitowe - interpretacja parametrów Po oszacowaniu parametrów bj chcemy wiedzieć, w jaki sposób zmiany wartości zmiennych objaśniających wpływają na wartość prawdopodobieństwa przynależenia do każdej z dwóch grup. Można tutaj wykorzystać: interpretację w kategoriach prawdopodobieństwa, interpretację z wykorzystaniem ilorazu szans.
(cytat, str. 91) Wyznaczenie modelu końcowego odbywa się na ogół dwuetapowo. W pierwszym etapioe eliminujemy wszystkie modele, dla których test chi-kwadrat wskazuje konieczność odrzucenia hipotezy głoszącej, że liczebności oczekiwane (teoretyczne) nie różnią się istotnie od liczebności empirycznych. Zazwyczaj jednak po przeprowadzeniu takiej selekcji pozostaje kilka modeli. W drugim etapie należy więc wybrać jeden - najlepszy model spośród modeli zaakceptowanychw etapie pierwszym. Do tegoc elu (porównania modeli między sobą), podobie jak w pierwszym etapie, najczęściej używanym jest iloraz wiarydgdności (dwiancja).
(cytat, str. 100) Liniowy model prawdopodobieństwa - interpretacja parametrów Parametry przy zmiennych objaśniających mają bezpośrednią interpretację w kategoriach prawdopodobieństwa. Informują, o ile się zmieni prawdopodobie nstwo Pi wraz ze wzrostem wartości odpowiedniej ziennej objaśniającej o jednostkę (ceteris paribus). Jest to interpretacja parametrów liniowego modelu regresji. Takiej interpretacji nie mają modele logitowy i probitowy. Wadą LMP jest to, że prawdopodobieństwo Pi może leżeć poza przedziałem (0;1). Ograniczenia LMP widać szczególnie przy prognozowaniu, prognozy bowiem mogą łatwo wykraczaś poza przedział (0;1).
(cytat, str. 113) Wielomianowy model logitowy jest uogólnieniem modelu logitowego dla danych binarnych (regresji logistycznej)(zob. rozdz.4) i może być stosowany wówczas, kiedy zmienna objaśniana przyjmuje w sposób dyskretny wartości ze zbioru liczącego więcej niż dwie kategorie. Model ten wywodzi się z teorii użyteczności losowej oraz tzw. aksjomatu wyboru Luce'a(model stałej użyteczności).
(cytat, str. 102) Jako miary dopasowania modeli dwumianowych (LMP, logitowy, probitowy) można wykorzystać następujące: 1) R^2 - kwadrat współczynnika korelacji między wartościami empirycznymi yi i teoretycznymi y^i 2) Miara R^2 Efrona 3) Miara R^2 Nagelkerke.
(cytat, str. 81) Modele logarytmiczno-liniowe są szczególnym przypadkiem uogólnionych modeli liniowych (GLM) dla zmiennych dyskretnych o rozkładzie Poissona. W najprostszym przypadku dotyczą dwudzielczych macierzy kontyngencji, lecz najczęściej są wykorzystywanego analizy zależności między trzema lub większą liczbą zmiennych dyskretnych. Wszystkie analizowane zmienne w modelach logarytmiczno-liniowych są traktowane w sposób równoważny jako zmienne objaśniane. Innymi słowy nie wyróżnia się zmiennej zależnej, traktując pozostałe jako zmienne objaśniające, jak to jest w przypadku klasycznej analizy regresji bądź regresji logistycznej.
(cytat, str. 339) Model - pojęcie niejednoznaczne. Zazwyczaj przez model rozumie się pewne odwzorowanie, lub pewien wzorzec. Czasami model utożsamiany jest z pewnym bardzo szeroko rozumianym sposobem działania.
Model systemu - przedstawienie interesująych nas istotnych właściwośći rzeczywistego (lub tworzonego) systemu w dogodnej dla nas postaci. Model systemu jest z reguły uproszczeniem rzeczywistości. Powinien zewnętrznie zachowywać się podobnie jak system, aczkolwiek może mieć innąstrukturę wewnętrzną. Modele: - koncepcyjne albo jakościowe, - fizyczne, - komputerowe, - matematyczne.
(cytat, str. 222 - 223) 1. Model eksperymentalny - w ramach tego podejścia przyczynowość jest stwierdzana na podstawie pomiaru zmian zmiennej zależnej i pomiaru wystąpienia, niewystąpienia lub róznych stopni występowania zmiennej niezależnej w ściśle kontrolowanym kontekście i przy zachowaniu zasad doboru losowego.
2. Model statystyczny - istnienie relacji przyczynowych stwierdza się na podstawie statystycznej analizy kolrelacji i następwstwa czasowego w obrębie próby losowej badanych
3. Model kontekstowy - występują wnim czynniki kontekstualne, które przyczyniły się do powstania zjawiska. Wymienione warunki nie mają charakteru koniecznego ale podwyższają prawdopodobieństwo wystąpienia zjawiska
4. Model porównywania przypadków - wskazuje się w nim konfigurację czynników występujących i nieobecnych, które odpowiadają za zaistnienie lub brak okreslonych stanów lub rezultatów.
5. Model etapów procesu - ustalenie etapów doświadczenia lub realizacji określonego stanu lub warunku
6. Model analizy przypadków negatywnych - wniosek o przyczynowości, wysuwa się na podstawie systematycznego poszukiwania przyadków negatywnych, i dzięki temu wprowadzaniu poprawek do wyjasnienia przyczynowego, aż do momentu, kiedy wyjaśnia ono wszystkie znane przypadki.
(cytat, str. 79) Do poszczególnych typów modeli, obiektów i połączeń przypisane są typy atrybutów, czyli charakterystyki danego elementu. Na przykład dla obiektu typu funkcja typem atrybutu będzie nazwa, czas przetwarzania cz średnie koszty całkowite.
(cytat, str. 64) W klasycznym modelu ERM, wykorzystywanym do projektowania systemów informatycznych organizacji, a w koncepcji ARIS zaproponowanym jako metoda opisu danych, konkretne obiekty określane są jako encje, a logiczne powiązania miedzy encjami jako relacje.
(cytat, str. 78) Baza danych to miejsce, w którym przechowywane są wszystkie modele i obiekty. Modele tworzone są w wybranej perspektywie: procesów, funkcji, danych lub organizacji. W każdej z perspektyw ARIS oferuje kilka, kilkanaście typów modeli, które są przypisane do wybranej perspektywy. Każdy typ modelu udostępnia wiele typów obiektów, które reprezentują graficznie wybrane elementy procesu gospodarczego.
(cytat, str. 35) Celem modelowania stanu obecnego było uzyskanie informacji na temat specyficznego systemu znajdującego się w starycznym położeniu.
... można uznać modelowanie jako aktywną działalność twórczą odzwierciedlającą również możliwe przyszłe stany organizacji lub procesów i sugerujacą potencjalne kierunki zmian.
(cytat, str. 85) Właściwości obiektów mogą dotyczyć: wyglądu obiektów (kolory wypełnienia, linii, ustawienia cienia, skalowanie obiektów), umiejscowienia atrybutów na obszarze modelowania, relacji z innymi obiektami czy wystąpień w modelach.
(cytat, str. 57) Wzorzec - jest zdarzeniem lub kombinacją zdarzeń w bazie danych, które występują częściej niż oczekiwano. Typowo oznacza to iż rzeczywiste wystąpienie jest znaczoną dodnmienne od tego co oczekiwano, gdyby było ono losowe.
Model -0 jest opisem źródłowych historycznych danych w bnazie, z których zostało zbudowany, i może zostać z powodzeniem zastosowany do nowych danych w celu dokonywania przewidywań o brakujących wartościach lub do stawiania tez o oczekiwanych wartościach.
(cytat, str. 91) Modelem jest schemat, czyli opis myślowy (wewnętrzny) lub postaciowy (diagramy, wzory matematyczne), który dla danego zakresu problemowego jest reprezentacją pewnej klasy zjawisk mniej lub bardziej zręcznie wyodrębnionych z kontekstu przez obserwatora, przy czym pewnych aspektów - często pośÂ¶ednich - relacji pomiędzy obserwatorem a systemem obserwowanym (klasa zjawisk, zakres problemowy) nie da się oddzielić od modelu, który reprezentuje je tak samo jak system w celu stowrzenia podstawy do nadań lub i komunikacji.
(cytat, str. 93) "Każda sytuacja dokonywania wyboru wymaga reprezentacji w pewnym abstrakcyjnym systemie pojęć, czyli modelu. Model złożony jest z abstrakcyjnej reprezentacji przedmiotu wybierającego i jego racjonalności, wreszcie z opisu sposobu dokonywania wyboru. "Sztuka wykroju" czyli umiejętność wyodrębnienia z otaczającej nas złożonej rzeczywistiści tego jej fragmentu, który jest modelowany, wymaga udzielenia odpowiedzi na pytania: kto podejmuje decyzje, jaka jest jego racjonalność, w jakim scenariuszu decyzyjnym i w jakim celu model może być zastosowany, jakie ograniczenia musi spełniać sytuacja decyzyjna, aby model można było wykorzystać. Porządkując wiadomości na temat różnych modeli decyzyjnych,warto grupować je ze względu na pojęcia bezpośrednio związane z samym podejmowaniem decyzjii."
(cytat, str. 15) Modele deterministyczna są - ideowo rzecz biorą - bardzo proste, bo wybór decyzji sprowadza się do wybrania tej, która zapewnia największą korzyść.
(cytat, str. 15) Model procesu decyzyjnego charakteryzuje się za pomocą pięciu elementów: a) podmiotu podejmującego decyzję, b) zbioru decyzji dopuszczalnych D, c) zbioru stanów świata zewnętrznego Z, d) funkcji korzyści K = f(D,Z), e) niepewności co do stanu świata zewnętrznego.