摘要:备件多级库存模型通常建立在备件需求相互独立的假设基础上,但随着库存系统层次的提高和协同管理的应用,备件需求的相关性将显著影响库存优化决策。针对需求相关的备件库存问题,以服务响应时间为约束,以最小化库存成本和缺货成本为目标,建立了备件两级库存决策模型。利用Nataf概率变换,从得到的边际概率密度函数中构造满足指定相关性条件和概率分布的随机样本,结合蒙特卡洛模拟和遗传算法求解最优库存分配方案。仿真结果表明,备件库存最优决策随着需求相关系数的增大而发生变化。调整库存
本课程将重点介绍医疗保健领域不同类型研究设计中使用的理论、方法和流程。它还将包括用于测试假设以及呈现和理解从研究收集的数据(尤其是从人群中随机样本收集的数据)的数学工具的信息以及分析和讨论。这将包括科学方法的回顾、形成假设、设计/分析干预和观察性研究、数据收集过程、总结收集的数据的技术以及从数据中得出推论。将介绍概率和描述性统计,然后详细描述广泛使用的推理程序和统计选项。将使用药学、医疗保健和流行病学的期刊文章作为例子来加强讨论并提高理解。PHAR 231 药学技能 II-门诊护理 (1 个单元)
问题:如何有效地从长度为n k的数据集中进行统一的随机元素采样?两个主要问题是1)n可能很大 - 我们当然不想将大量的流中存储在内存中,2)n可能未知 - 我们可能不知道会提前知道流的长度,但是我们仍然希望每当流终止时,我们都会有一个均匀的随机样本。(回想一下,我们在类似的“流”设置中提出此问题,与我们之前看到的计数 - - 佐剂算法的设置。)作为一个激励示例,假设路由器可能希望从给定日期的流量中对1,0000个随机IP地址进行采样。路由器显然不想存储所有IP地址,并且路由器不知道它会在给定日期看到的总流量。
摘要 简介 缺乏有效、一致、可重复和高效的哮喘确定方法,导致临床试验或其他研究的哮喘队列和研究结果不一致。我们旨在评估将基于专家人工智能 (AI) 的自然语言处理 (NLP) 算法应用于儿科人群的电子健康记录中的两种现有哮喘标准是否能够系统地识别具有独特特征的儿童哮喘及其亚群。方法 使用 1997-2007 年 Olmsted 县出生队列,我们将经过验证的 NLP 算法应用于预定哮喘标准 (NLP-PAC) 以及哮喘预测指数 (NLP-API)。我们将受试者分为四组(两项标准均为阳性 (NLP-PAC + / NLP-API + );仅 PAC 阳性 (仅 NLP-PAC +);仅 API 阳性 (仅 NLP-API +);和两项标准均为阴性 (NLP- PAC − /NLP-API − ))并对其进行了表征。使用实验室和肺功能测试 (PFT) 对哮喘患者和 300 名儿童的随机样本进行无监督聚类分析,结果得到了复制。结果 在 8196 名受试者(51% 为男性,80% 为白人)中,我们确定了 1614 名(20%)为 NLP-PAC + /NLP-API +;954 名(12%)为 NLP-PAC +;105 名(1%)为 NLP-API +;和 5523 名(67%)为 NLP-PAC − /NLP-API −。与其他组相比,被归类为 NLP-PAC + /NLP-API + 的哮喘儿童哮喘发作更早、Th2 特征更明显、肺功能更差、哮喘发作率更高、哮喘相关合并症风险更高。这些结果与基于无监督聚类分析以及随机样本研究对象的实验室和 PFT 数据的结果一致。结论 针对两种哮喘标准的专家 AI NLP 算法系统地识别了具有独特特征的儿童哮喘。这种方法可以提高哮喘大规模临床研究的精确度、可重复性、一致性和效率,并实现人群管理。
研究问题在于:商业智能在提高约旦工业公司供应链绩效方面发挥了什么作用?本研究采用定量描述设计来探索商业智能在提高约旦供应链绩效方面的作用。研究样本采用分层随机样本选择。研究预期参与者人数为 300 人,以确保约旦工业公司具有足够的代表性。结果表明,商业智能在提高约旦工业公司供应链绩效(敏捷性、集成性、效率、客户响应能力)方面发挥了积极作用。建议约旦公司通过采用商业智能工具和技术增加对提高供应链绩效的投资。此外,还应通过培训计划注重培养人才,这必将提高员工更好地利用商业智能技术和数据的能力。
世界银行。世界银行负责监督,进行监督以及为根据其管理的信托基金资助的活动提供实施支持,包括融资和平项目的信托基金。根据世界银行的说法,其官员审查了GOU的支出验证报告,以与支出执行报告和支出模式保持一致,然后再偿还gou gou以获取合格的支出。世界银行告诉我们,他们还要求仓库建立申诉补救机制,以便个人可以报告对该项目的任何担忧。此外,世界银行一直在进行“聆听乌克兰公民”调查,每月随机样本在1,500至2,000户家庭之间进行电话采访。5它还为和平项目捐助者提供了一年一度的年度和年度进度报告。据世界银行称,世界银行还与普华永道签订了签约,以支持其对和平项目的监督。
2017 年初,缅因州立法机构的教育和文化事务联合常设委员会审议了 L.D. 573 法案,该法案要求缅因州教育政策研究所 (MEPRI)“对全州学校行政单位的随机样本进行标准化测试审计,以了解标准化测试的数量、成本和实用性。”委员会拒绝支持该法案的提议,而是要求进行一项规模较小的研究,以体现该法案的意图。本报告总结了由此产生的努力,包括文献扫描、文件分析和对两组学校从业人员(测试管理员和教师)的调查,以分析缅因州学生花在测试上的时间、所进行的测试类型以及从业人员是否认为测试结果有用。研究范围不包括将测试结果用于问责目的的政策制定者的观点(例如主管、教育委员会或缅因州教育部)。
过去几十年的现有研究强调了如何使用人工智能 (AI) 来促进招聘流程并吸引最优秀的人才。尽管人工智能越来越多地用于人才招聘,预计未来两年内 36% 的招聘流程将通过人工智能进行预筛选 (Oracle, 2019),但我们对人工智能如何塑造人才对其所申请组织的看法知之甚少。本研究的目的是调查在招聘过程中使用人工智能是否以及如何提高雇主对申请人的吸引力和雇主品牌。为了调查这个问题,我们对一个由 50% 女性和 50% 男性组成的随机样本进行了调查。为了检验调查结果,我们应用了结构方程模型 (SEM)。结果显示,EB 和 AI 之间存在正相关关系,更具体地说,潜在候选人对支持人工智能的工具持积极态度。因此,根据这项研究,人工智能与雇主品牌密切相关,因此它有助于提高人才吸引力。
经济增长总结目的:本文的目的是调查公共部门在为经济增长和就业机会创造财务资源的过程中所扮演的角色。理论结构:一种可视化公共部门的技术,就像一个向上的机构圈子,中央政府在中心,其次是机构和上市公司。直接或间接隶属于政府并被公开谈判的公司。设计/方法论/方法:这是一项描述性基础研究。在这项研究工作中,我们研究了私营部门公司的数据随机样本。发现:结果,它提供了就业前景,这有助于增加一个国家的财务资源。公共部门是负责提供重要服务的全球经济组成部分,例如基础设施,公共交通,教育改革和安全服务,例如军事和执法部门。结论:现在可以在整个经济中描述政府行动的范围。只是公共部门可以为经济发展做出贡献的各种方式的一个例子
摘要 尽管最近的研究表明,在数字平台经济中,多份工作现象十分普遍,但人们对数字平台的参与与传统劳动力市场的互动却很少被探讨。本文为这种互动带来了新的见解,探讨了个人将传统劳动力市场的有偿工作与来自不同数字平台的收入相结合所产生的收入。基于 2017 年和 2019 年对 18,000 人随机样本进行的两次大规模代表性调查,并结合行政登记数据,我们展示了劳动力和资本平台如何吸引不同的收入群体。我们还发现,在线收入与传统工作等非平台收入来源相结合,加剧了传统劳动力市场的分割趋势。越来越多的富人和穷人似乎使用不同的平台,这表明在线和传统劳动力市场都存在潜在的劳动力市场细分层次。