×
张波;乔，哈里

基于藤蔓连接词条件分布的预测。 （英语） Zbl 1507.62025号

计算。统计数据分析。 139, 45-63 (2019).
摘要：藤蔓连接函数是多元非高斯分布的灵活工具。对于解释变量和响应变量一起测量的观察性研究数据，提出的藤系回归方法使用规则藤并处理混合的连续和离散变量。该方法可以有效地计算给定解释变量的响应变量的条件分布。在模拟数据集和实际数据集上评估了该方法的性能。实验表明，藤蔓连接词回归方法在条件异方差推断方面优于线性回归方法。

引用于16文件

MSC公司：

62-08 统计问题的计算方法
62小时05 多元概率分布的表征与结构理论；连接线

关键词：

回归，回归;非线性条件平均;条件分位数;异方差

软件：

Copula模型;葡萄香;ElemStatLearn（电子状态学习）;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{B.Chang}和\textit{H.Joe}，计算。统计数据分析。139、45-63（2019年；Zbl 1507.62025年）
全文： 内政部 arXiv公司

参考文献：

[1] Aas，K。；Czado，C。；弗里吉斯，A。；Bakken，H.，多重依赖的对copula构造，保险数学。经济学。，182-1988年4月2日（2009年）·兹比尔1165.60009
[2] Barthel，N。；Geerdens，C。；Killiches，M。；詹森，P。；Czado，C.，基于Vine copula的多元事件时间数据相关性模式的似然估计，计算。统计师。数据分析。，117, 109-127 (2018) ·Zbl 1469.62017号
[3] Bauer，A。；Czado，C.，对copula Bayesian网络，J.Compute。图表。统计人员。，25, 4, 1248-1271 (2016)
[4] 贝德福德，T。；Cooke，R.M.，用藤蔓建模的条件相关随机变量的概率密度分解，Ann.Math。工件。整数。，32, 1-4, 245-268 (2001) ·兹比尔1314.62040
[5] 贝德福德，T。；Cooke，R.M.，Vines-相依随机变量的新图形模型，Ann.Statist。，30, 4, 1031-1068 (2002) ·Zbl 1101.62339号
[8] Brechmann，E.，截断和简化常规藤蔓及其应用（2010），慕尼黑技术大学，（硕士论文）
[9] Brechmann，E.C。；Czado，C。；Aas，K.，《应用于财务数据的高维规则葡萄树截短》，加拿大。J.统计。，40, 1, 68-85 (2012) ·Zbl 1274.62381号
[10] Brechmann，E.C。；Joe，H.，使用截断藤蔓和因子分析对相关矩阵进行简约参数化，计算。统计师。数据分析。，77, 233-251 (2014) ·Zbl 1506.62028号
[12] 迪斯曼，J。；Brechmann，E.C。；Czado，C。；Kurowicka，D.，选择和估计规则藤蔓交配及其在财务回报中的应用，计算。统计师。数据分析。，59, 52-69 (2013) ·Zbl 1400.62114号
[13] Emura，T。；中町，M。；松井，S。；Michimae，H。；Rondeau，V.，《根据肿瘤进展和高维遗传因素对死亡进行个性化动态预测：联合模型的荟萃分析》，《统计方法医学研究》，27，9，2842-2858（2018）
[14] Fawcett，T.，ROC分析简介，模式识别。莱特。，27, 8, 861-874 (2006)
[15] Gneiting，T。；Raftery，A.E.，《严格正确的评分规则、预测和估计》，J.Amer。统计师。协会，102，477，359-378（2007）·Zbl 1284.62093号
[16] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，（《统计学习的要素：数据挖掘、推断和预测》（2009），施普林格出版社）·Zbl 1273.62005年
[17] Joe，H.，《使用Copulas进行依赖建模》（2014），查普曼和霍尔/CRC：查普曼&霍尔/CRC博卡拉顿，佛罗里达州·Zbl 1346.62001号
[18] 克劳斯博士。；Czado，C.，基于D-vine copula的分位数回归，计算。统计师。数据分析。，110, 1-18 (2017) ·兹比尔1466.62118
[19] Kurowicka，D。；Joe，H.，《依赖建模：Vine Copula手册》（2011年），《世界科学：新加坡世界科学》
[20] Lichman，M.，UCI机器学习库（2013）
[22] Nagler，T。；Bumann，C。；Czado，C.，稀疏高维藤系模型中的模型选择及其在投资组合风险中的应用，J.多元分析。(2019) ·Zbl 1419.62126号
[23] Nagler，T。；Czado，C.，用简化的藤连接函数进行非参数密度估计时避免维数灾难，《多元分析杂志》。，151, 69-89 (2016) ·Zbl 1346.62071号
[24] 纳什·W·J。；卖方，T.L。；Talbot，S.R。；Cawthorn，A.J。；Ford，W.B.，《塔斯马尼亚州鲍鱼（鲍属物种）的种群生物学》。I.巴斯海峡北岸和岛屿的黑唇鲍（h.rubra）（1994年）
[25] Noh，H。；El Ghouch，A。；Bouezmarni，T.，基于Copula的回归估计和推断，J.Amer。统计师。协会，108，502，678-688（2013）·Zbl 06195970号
[26] 帕萨，R.A。；Klugman，S.A.，Copula回归，Var.Adv.Sci。风险，545-54（2011）
[27] 北沙尔霍恩。；克劳斯，D。；Nagler，T。；Czado，C.，D-vine离散变量分位数回归（2017），arXiv预印本arXiv:1705.08310
[28] 谢普斯迈尔，美国。；Stoeber，J。；Brechmann，E.C。；格雷勒，B。；Nagler，T。；Erhardt，T.，《VineCopula：藤蔓结合部的统计推断》（2018），R包版本2.1.8
[29] Sklar，A.，《（n）维与勒尔市场划分函数》，巴黎大学统计研究所出版物，第8229-231页（1959年）·Zbl 0100.14202号
[30] Stöber，J.公司。；Hong，H.G。；Czado，C。；Ghosh，P.，《老年人慢性病的共病性：通过混合反应的copula设计确定的模式》，计算。统计师。数据分析。，88，28-39（2015）·兹比尔1468.62182
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。