D
2019
On stability and interpretability of mixture models of wage distributions.
BERKA, Petr, Michal VRABEC a Luboš MAREK
Základní údaje
Originální název
On stability and interpretability of mixture models of wage distributions.
Název česky
O stabilitě a interpretovatelnosti modelů směsí mzdových rozdělení.
Autoři
BERKA, Petr, Michal VRABEC a Luboš MAREK
Vydání
1. vyd. Prague, Proceedings of the 22nd Czech-Japan Seminar on Data Analysis and Decision Making, od s. 1-12, 12 s. 2019
Další údaje
Typ výsledku
Stať ve sborníku
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Organizační jednotka
Vysoká škola finanční a správní
Klíčová slova česky
mzdová rozdělení, modely směsí
Klíčová slova anglicky
wage distributions; mixture models
V originále
When considering a mixture model, the key question is what should be the components of the model. A mixture model can be created using two different approaches. In the first approach, the model is created manually, based on user-specified components, their weights and parameters of the components. In the second approach, the model is created completely from data. The partitioning will be done automatically, we need not even to specify the number of components.We will compare both approaches addressing the issues of stability and interpretability of the created models. Data concerning the wages of Czech employees collected for more than twenty years will be used in our study.
Česky
Při tvorbě modelů založených na směsi rozdělení je klíčovou otázkou, co jsou jednotlivé komponenty modelu. Směs může být vytvořena dvěma způsoby: komponenty a jejich váhy mohou být zadány uživatelem nebo může být model vytvořen jen z dat. Ve druhém případě ani nemusí být zadán počet komponent. Porovnáme oba přístupy z hlediska stability a interpretability vytvořených modelů. Pro porovnání budou využita mzdová rozdělení českých zaměstnanců za období více než 20 let.
Zobrazeno: 18. 11. 2024 14:30