Επιλογή οικογένειας μετασχηματισμών σε μπεϋζιανά στατιστικά μοντέλα: μεθοδολογία και εφαρμογές
Περίληψη
Ο βασικός στόχος της παρούσας διατριβής ήταν να παρέχει μια συνεκτική μεθοδολογία Μπεϋζιανής συλλογιστικής με σκοπό τη συμπερασματολογία, σύγκριση και αξιολόγηση διαφορετικών οικογενειών μετασχηματισμών $T$ που μετασχηματίζουν ένα σύνολο παρατηρήσεων προς την κανονικότητα. Στην προτεινόμενη προσέγγιση θεωρούμε τέσσερις παραμετρικές οικογένειες μετασχηματισμών (Box-Cox, Modulus, Yeo & Johnson and Dual) και ακόμη τον Ταυτοτικό και τον Λογαριθμικό μετασχηματισμό. Η προτεινόμενη μεθοδολογία αναδεικνύει τη βέλτιστη επιλογή οικογένειας $T$ και τη βέλτιστη επιλογή για την τιμή της παραμέτρου μετασχηματισμού $λ_T$ μέσα από τη Μπεϋζιανή επιλογή μοντέλου με χρήση κατάλληλων MCMC αλγόριθμων ή αριθμητικών μεθόδων κατά περίπτωση.Η κατασκευή λογικών πρότερων κατανομών για τις υπό μελέτη οικογένειες μετασχηματισμών είναι ένα θεμελιώδες ζήτημα εξαιτίας της διαφορετικής ερμηνείας της παραμέτρου $λ_T$ μεταξύ των οικογενειών. Στην περίπτωση των προβλημάτων χωρίς επεξηγηματικές μεταβλητές, τα θέματα συμβα ...
περισσότερα
Περίληψη σε άλλη γλώσσα
The primary purpose of this thesis was to produce a Bayesian methodology for contrasting and comparing several transformation families $T$ with a view of achieving normality of a set of observations. Four transformation families have been considered (Box-Cox, Modulus, Yeo & Johnson and Dual) along with the Identical and Logarithmic transformations. The proposed methodology demarcates the optimal choice of family $T$ and value of the transformation parameter $λ_T$ within the Bayesian model selection framework using appropriate MCMC algorithms. We investigate different approaches to constructing compatible prior distributions for$λ_T$ over alternative transformation families. In the case of univariate problems with no covariates, the power prior approach has been employed based on a common set of imaginary data simulated from the reference model of the Id transformation. An alternative prior used was a unit-information normal prior for the transformation parameter $λ_T$ . Regarding prob ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (1.25 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.