×

Serwis używa ciasteczek ("cookies") i podobnych technologii m.in. do utrzymania sesji i w celach statystycznych. • Ustawienia przeglądarki dotyczące obsługi ciasteczek można swobodnie zmieniać. • Całkowite zablokowanie zapisu ciasteczek na dysku komputera uniemożliwi logowanie się do serwisu. • Więcej informacji: Polityka cookies OPI PIB


  • Tytuł artykułu:
    Zastosowanie ukrytych modeli Markowa w analizie oszczędności wśród Polaków
  • Tytuły w innych językach:
    An Application of Latent Markov Models in Polish Saving Attitude
  • Opublikowany w czasopiśmie:
  • Rocznik 2014,  numer nr 189
  • 58-66
  • Oryginalny artykuł naukowy
  • polski
  • article-36f8420f-05b1-4032-a0fb-ec19aaf106b7
  • uek-171308807
  • 10.08.2015 08:19:43
  • Ewa Genge [1]
  • [1] Uniwersytet Ekonomiczny w Katowicach [1073]
  • Brak afiliacji
Nie znaleziono publikacji cytujących ten artykuł
  1. Baum L.E., Petrie T. (1966), Statistical Inference for Probabilistic Functions of Finite State Markov Chains, "Annals of Mathematical Statistics", No. 67, s. 1554-1563.
  2. Biernacki C., Celeux G., Govaert G. (1999), Choosing Models in Model-based Clustering and Discriminant Analysis, "Journal of Statistical Computation and Simulation", No. 64, s. 49-71.
  3. Bozdogan H. (2000), Akaike's Information Criterion and Recent Developments in Information Criterion, "Journal of Mathematical Psychology", No. 44, s. 62-91.
  4. Cappe O., Moulines E., Ryden T. (2005), Inference in Hidden Markov Models, Springer Verlag, New York.
  5. Collins L.M., Lanza S.T. (2011), Latent Class and Latent Transition Analysis with Applications in the Social, Behavioral, and Health Sciences, John Wiley & Sons, New York.
  6. Diagnoza społeczna 2013. Warunki i jakość życia Polaków, Raport, red. J. Czapiński, T. Panek, Rada Monitoringu Społecznego, Warszawa 22.08.2013.
  7. Dempster A.P., Laird N.P., Rubin D.B. (1977), Maximum Likelihood for Incomplete Data via the EM Algorithm (with Discussion), "Journal of the Royal Statistical Society", No. 39, ser. B, s. 1-38.
  8. Frühwirth-Schnatter S. (2006), Finite Mixture and Markov Switching Model. Springer Verlag, New York.
  9. Ghysels E. (1994), On the Periodic Structure of the Business Cycle, "Journal of Business and Economic Statistics", No. 12 (3), s. 289-298.
  10. Kim C.J. (1994), Dynamic Linear Models with Markov-Switching, "Journal of Econometrics", Vol. 60, s. 1-22.
  11. Krogh A. (1998), An Introduction to Hidden Markov Models for Biological Sequences [w:] Computational Methods in Molecular Biology, red. S.L. Salzberg, D.B Searls, S. Kasif, Elsevier, Amsterdam, s. 45-63.
  12. McLachlan G.J., Peel D. (2000), Finite Mixture Models, Wiley, New York, s. 81-116.
  13. Rabiner L.R. (1989), A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, "Proceedings of IEEE", Vol. 77, No. 2, s. 267-295.
  14. Schmittmann V.D., Visser I., Raijmakers M.E.J. (2006), Multiple Learning Modes in the Development of Rule-Based Category-Learning Task Performance, "Neuropsychologia", Vol. 44, No. 11, s. 2079-2091.
  15. Visser I., Speekenbrink M. (2010), depmixS4: An R Package for Hidden Markov Models, "Journal of Statistical Software", Vol. 36, No. 7, s. 1-21.
  16. Witek E. (2010), The Comparison of Model-Based Clustering with Heuristic Clustering Methods [w:] Folia Oeconomica 255, Methodological Aspects of Multivariate Statistical Analysis, Statistical Models and Applications, red. Cz. Domański, J. Białek, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, s. 191-197.
  17. Wickens T.D. (2010), Models for Behavior: Stochastic Processes in Psychology, W.H. Freeman and Company, San Francisco.
  18. Zucchini W., MacDonald I. (2010), Hidden Markov Models for Time Series: An Introduction Using R. Monographs on Statistics and Applied Probability, CRC Press, Boca Raton.
  • Visser I., Speekenbrink M. (2010), depmixS4: An R Package for Hidden Markov Models, "Journal of Statistical Software", Vol. 36, No. 7, s. 1-21. - J STAT SOFTW