Národní úložiště šedé literatury Nalezeno 17 záznamů.  předchozí11 - 17  přejít na záznam: Hledání trvalo 0.01 vteřin. 
Problém dvou manažérů a problematika úloh stochastického programování s lineární kompenzací
Kaňková, Vlasta
Úlohy stochastického programování s lineární kompenzací odpovídají mnoha ekonomickým problémům. Tyto úlohy jsou kompozicí dvou úloh (vnitřní a vnější). Řešení vnější úlohy závisí na pravděpodobnostní míře, řešení vnitřní úlohy závisí na řešení vnější úlohy a na realizaci náhodného elementu. Evidentně, optimální chování dvou manažérů může být (v mnoha případech) modelováno pomocí shora popsaného modelu, ve kterém chování hlavního manažéra je popsáno vnější úlohou a chování vedlejšího manažéra odpovídá vnitřní úloze. Práce je zaměřena na zkoumání vntřní úlohy.
Empirické odhady a stabilita ve stochastickém programování
Kaňková, Vlasta
It is known that optimization problems depending on a probability measure correspond to many applications. It is also known that these problems belong mostly to a class of nonlinear optimization problems and, moreover, that very often an ``underlying" probability measure is not completely known. The aim of the research report is to deal with the case when an empirical measure substitutes the theoretical one. In particular, the aim is to generalize reults dealing with convergence rate in the case of empirical esrimates. The introduced results are based on the stability results corresponding to the Wasserstein metric. A relationship berween tails of one-dimensional marginal distribution functions and exponentional rate of convergence are introduced. The corresponding results are focus mainly on ``classical" type of problems corresponding to the cases with penalty and recourse. However, an integer simple recourse case and some special risk funkcionals are discussed also.
Úlohy stochastického programování s lineární kompensací: Aplikace na problematiku dvou manažérů
Kaňková, Vlasta
Úlohy stochastického programování s lineární kompensací jsou komposicí dvou optimalisačních úloh (vnitřní a vnější). Řešení vnější úlohy múže záviset na náhodném elementu pouze prostřednictvím pravděpodobnostní míry, zatímco řešení vnirřní úlohy může záviset na řešení vnější úlohy a na realisaci náhodného elementu. Evidentně, problematika dvou manažérů může (v mnoha případech) být popsána modelem tohoto typu, ve kterém chování hlavního manažéra odpovídá vnější úloze, optimální chování druhého manažéra je dáno vnitřní úlohou. Příspěvek je zaměřen na zkoumání vlastností vnitřní úlohy.
Empirické procesy ve stochastickém programování
Kaňková, Vlasta ; Houda, Michal
Studovat a řešit optimalizační úlohy závislé na pravděpodobnostní míře býva komplkované. Z toho důvodu byla v literatuře věnována velká pozornost studiu stability těchto úloh uvažované vzhledem k prostoru pravděpodobnostních měr. Práce je zaměřena na studium stability založené na Wassesteinově a Kolmogorově merice s L_1 normou v příslušném Eukleidově prostoru. Dosažené výsledky o stabilitě jsou aplikovány na empirické odhady.
Stochastic optimization problems and dependent data
Kaňková, Vlasta
It is well-known that empirical estimates are usually employed when it is necessary to solve a stochastic decision problem depending on a completely unknown probability measure. The aim of this paper is to recall and summarize some rather new results achieved for dependent data that correspond rather often to economic activities.
Multiobjective stochastic programming and empirical data
Kaňková, Vlasta
We consider a mutiobjective optimization problem depending on a probability measure and, moreover, we assume that the problem must be solved on the basis of emipirical data. Estimates of the corresponding characteristics, as e.g. the "efficient" points, can be only obtained by this approach. Our aim is to investigate statistical properties of these "estimates".

Národní úložiště šedé literatury : Nalezeno 17 záznamů.   předchozí11 - 17  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.