15823.多類型復發(fā)事件數(shù)據(jù)的變量選擇_第1頁
已閱讀1頁,還剩53頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、貴州大學2015屆碩士研究生學位論文多類型復發(fā)事件數(shù)據(jù)的變量選擇學科專業(yè):統(tǒng)計學研究方向:應用統(tǒng)計導師:戴家佳副教授研究生:吳歡中國﹒貴州﹒貴陽2015年5月分類號:O212論文編號:201501031616密級:公開貴州大學碩士學位論文I多類型復發(fā)事件數(shù)據(jù)的變量選擇多類型復發(fā)事件數(shù)據(jù)的變量選擇摘要復發(fā)事件數(shù)據(jù)廣泛出現(xiàn)在生物學、臨床醫(yī)學等應用研究領域因該數(shù)據(jù)復雜的相依性和刪失的存在,使得對它的分析比較困難然而,因其廣泛的應用性價值備受廣

2、大學者的關注近幾十年來,變量選擇作為一種信息提取的重要工具,受到統(tǒng)計學者們的高度重視然而如何從復發(fā)事件數(shù)據(jù)中提取有用的信息逐漸成為人們關心的問題本文主要在多類型復發(fā)事件數(shù)據(jù)的背景下研究變量選擇的兩個問題:第一,根據(jù)懲罰估計函數(shù)方法的思想討論了乘性比率回歸模型的變量選擇問題首先,利用SCAD方法對估計方程進行懲罰,同時實現(xiàn)了參數(shù)估計和變量選擇其次,在一定的正則條件下,證明了所得估計具有acle性質最后,通過模擬研究說明該方法具有較好的提高

3、模型預測精度和降低模型復雜度的效果第二,根據(jù)非凹懲罰似然方法的思想研究了加性比率回歸模型的變量選擇問題首先,構建了一個擬線性回歸模型,利用SCAD方法對損失函數(shù)進行懲罰通過最小化懲罰損失函數(shù),得到未知參數(shù)的估計值和模型變量其次,在一定的正則條件下,證明了所得估計的acle性質最后,通過模擬研究表明了此方法具有一定的變量選擇效果關鍵詞關鍵詞:多類型復發(fā)事件數(shù)據(jù);懲罰估計函數(shù)方法;非凹懲罰似然方法;SCAD方法;acle性質中圖分類號中圖分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論