Results found: 2

Search results

Search:
in the keywords: Gaussian mixture models

Sort By:

Limit search:

BADANIE PREFERENCJI PRZEDSIĘBIORSTW W STOSOWANIU ZAAWANSOWANYCH METOD ANALIZY DANYCH

100%

Barska M.

Metody Ilościowe w Badaniach Ekonomicznych

2018

vol. 19

issue 2

105-116

Potrzeby firm w zakresie stosowania zaawansowanych metod przetwarzania danych są różne w zależności od branży funkcjonowania, możliwości finansowania, zachowań konkurencji, rozmiaru i zmienności gromadzonych informacji. W pewnych przypadkach technologie business intelligence, wizualizacja lub metody statystyczne stają się niezbędne do funkcjonowania firmy, w innych są sposobem zwiększenia wydajności oraz uzyskania przewagi konkurencyjnej. Celem publikacji jest analiza różnic w podejściu przedsiębiorstw do stosowania tych technologii. Sprawdzono, czy istnieją cechy powodujące, że dana grupa jest podatna na ofertę związaną z big data i data science. Realizacji tego celu służy analiza skupień, pozwalająca na wyznaczenie grup klientów o podobnej charakterystyce. Wyniki badania wskazują, że źródłem różnic są cechy demograficzne, odmienne oczekiwania oraz dotychczasowe doświadczenia.

Enterpreneurs’ needs in terms of advanced data analysis methods vary depending on the business sector, funding flexibility, competitors’ behavior, volume and volatility of stored information. Business intelligence, visualisation or statistical methods become essential for performing daily operations in some cases, while in the others they develop into a mean of increasing efficiency or gaining competitive advantage. This publication analyses the differences in enterprises' attitude towards application of hot technologies. An attempt is made to distinguish certain features that potentially make a particular group prone to use offered solutions. This objective is accomplished with a cluster analysis carried out to determine client segments sharing similar characteristics. The results indicate that main differences arise from demographic features, varied expectations and past experiences.

On an Improvement of the Model-Based Clustering Method

75%

Witek E., ent. Department of Statistics T. K. A. U. o. E.

Acta Universitatis Lodziensis. Folia Oeconomica

2009

vol. 228

W artykule przedstawiona została modyfikacja metody taksonomii opartej na modelach mieszanych, w przypadku gdy niemożliwym staje się oszacowanie parametrów modelu za pomocą algorytmu EM. Gdy liczba obiektów przypisanych do klasy jest mniejsza niż liczba zmiennych opisujących te obiekty, niemożliwym staje się oszacowanie parametrów modelu. By uniknąć tej sytuacji estymatory największej wiarygodności zastępowane są estymatorami o największym prawdopodobieństwie a posteriori. Wybór modelu o najlepszej parametryzacji i stosownej liczbie klas dokonywany jest wówczas za pomocą zmodyfikowanej statystyki BIC.

An improvement o f the model-based clustering (MBC) method in the case when EM algorithm fails as a result o f singularities is the basic aim o f this paper. Replacement o f the maximum likelihood (MLE) estimator by a maximum a posteriori (MAP) estimator, also found by the EM algorithm is proposed. Models with different number o f components are compared using a modified version o f BIC, where the likelihood is evaluated at the MAP instead o f MLE. A highly dispersed proper conjugate prior is shown to avoid singularities, but when these are not present it gives similar results to the standard method o f MBC.

Refine search results

1 Acta Universitatis Lodziensis. Folia Oeconomica

1 Metody Ilościowe w Badaniach Ekonomicznych

1 Barska M.

1 Witek E.

1 ent. Department of Statistics T. K. A. U. o. E.

1 2018

1 2009

Search results

BADANIE PREFERENCJI PRZEDSIĘBIORSTW W STOSOWANIU ZAAWANSOWANYCH METOD ANALIZY DANYCH

On an Improvement of the Model-Based Clustering Method