×

从Tsallis评分对非线性回归模型的稳健推断:2019年意大利冠状病毒感染的应用。 (英语) Zbl 07851195号

小结:我们讨论了一种稳健拟合非线性回归模型的方法,包括频率法和贝叶斯法,可用于建模和预测2019年意大利冠状病毒病(COVID-19)的传播动力学。重点是使用稳健的剂量-反应曲线分析疫情数据,但该功能适用于任意非线性回归模型。
{©2020 John Wiley&Sons有限公司}

MSC公司:

62至XX 统计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Basu,A.、Harris,I.R.、Hjort,N.L.和Jones,M.C.(1998年)。通过最小化密度功率发散来实现稳健和高效的估计。生物特征,85,549-559·Zbl 0926.62021号
[2] Bates,D.M.和Watts,D.G.(2007年)。非线性回归分析及其应用。纽约:Wiley·Zbl 1136.62046号
[3] Dawid,A.P.、Musio,M.和Ventura,L.(2016)。最小评分规则推断。《斯堪的纳维亚统计杂志》,43,123-138·Zbl 1371.62019年
[4] Divino,F.、Farcomeni,A.、Jona Lasinio,G.、Lovison,G.和Maruotti,A.(2020年)。可在https://afarcome.altervista.org/growthGLM.pdf
[5] Farcomeni,A.和Greco,L.(2015)。稳健的数据缩减方法。CRC出版社,博卡拉顿·Zbl 1311.62006年
[6] Farcomeni,A.和Ventura,L.(2012年)。医学研究中稳健方法概述。医学研究中的统计方法,21,111-133。
[7] Ghosh,M.和Basu,A.(2013年)。使用密度幂散度对独立非齐次观测值进行稳健估计,并应用于线性回归。电气期刊统计,72420-2456·Zbl 1349.62087号
[8] Giummolé,F.、Mameli,V.、Ruli,E.和Ventura,L.(2019年)。客观贝叶斯推理与适当的评分规则。测试,28728-755·Zbl 1420.62112号
[9] Huber,P.J.和Ronchetti,E.M.(2009年)。稳健的统计数据。纽约:Wiley·Zbl 1276.62022号
[10] Mameli,V.、Musio,M.和Ventura,L.(2018年)。签名评分规则根统计的引导调整。通信统计模拟计算,471204-1215·Zbl 07549519号
[11] Mameli,V.和Ventura,L.(2015)。评分规则的高阶渐近性。《统计规划信息期刊》,165,13-26·Zbl 1326.62023号
[12] Morettini,M.、Sbrolini,A.、Marcantoni,I.和Burattini,L.(2020年)。COVID‐19在意大利:意大利公民保护部的数据集。简要数据,105526。
[13] Pace,L.、Salvan,A.和Sartori,N.(2011年)。调整复合似然比统计。《中国统计》,第21期,第129-148页·Zbl 1206.62109号
[14] Ritz,C.、Baty,F.、Streibig,J.C.和Gerhard,D.(2015)。使用R.PLoS ONE,10(12),e0146021进行剂量反应分析。
[15] Tsallis,C.(1988年)。玻尔兹曼-吉布斯统计的可能推广。统计物理学杂志,52,479-487·Zbl 1082.82501号
[16] Varin,C.、Reid,N.和Firth,D.(2011年)。复合似然方法概述。中国统计局,21,5-42·Zbl 1534.62022号
[17] Ventura,L.和Racugno,W.(2016年)。贝叶斯推断的伪似然,方法论和应用统计推断主题,理论和应用统计学系列研究,第205-220页·Zbl 1357.62030号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。