×
卡希娜·瓦迪;梅格杜达Ourbih-Tari

通过线性回归自适应精细描述性抽样算法对普通最小二乘估计量进行蒙特卡罗模拟。 （英语） Zbl 07530630号

Commun公司。统计、理论方法 48，第4号，865-875（2019）.
小结：本文通过精细描述性抽样说明了在简单线性回归（SLR）模型中使用蒙特卡罗实验的重要性，并从实践上证明了当正态误差假设解除时，普通最小二乘（OLS）估计量的渐近理论在小样本情况下仍然成立。为此，提出了一种简单的线性回归自适应精细描述抽样（L2RDS）算法，用OLS方法估计SLR模型的参数并计算其性质。实际数据用于正确指定仿真模型。结果表明，L2RDS算法能够提供准确有效的点估计。

MSC公司：

11公里45 伪随机数；蒙特卡罗方法
62G07年 密度估算
62J05型 线性回归；混合模型

关键词：

数据生成过程;估计;蒙特卡罗方法;简单线性回归

软件：

获取RDS
PDF格式BibTeX公司 XML格式引用
\textit｛K.Ouadhi｝和\textit｛M.Ourbih Tari｝，公社。Stat.，Theory Methods 48，No.4，865-875（2019；兹bl 07530630）
全文： 内政部

参考文献：

[1] 阿洛伊，A。；Ourbih-Tari，M.，《精细描述性抽样的使用及其在并行蒙特卡罗模拟、计算和信息学中的应用》，30，4，681-700（2011）·Zbl 1399.65002号
[2] 阿洛伊，A。；Zioui，A。；Ourbih-Tari，M。；Alioui，A.，《在仿真系统中使用精确描述性采样进行安装的通用模块》，计算统计，30，477-90（2015）·Zbl 1317.65033号
[3] 巴格达利-乌尔比，L。；Ourbih-Tari，M。；Dahmani，A.，I将精细描述性抽样应用于三相离散事件仿真模型，《统计中的通信：仿真与计算》，46，5，4035-49（2017）·Zbl 1369.62014号
[4] Bianchi，A。；Salvati，N.，M分位数回归系数估计量的渐近性质和方差估计，《统计学中的通信：理论和方法》，44，11，2416-29（2015）·Zbl 1329.62242号
[5] 卡里奥，M.C。；Nelson，B.L.，《拟合和模拟任何自回归过程的数值方法》，《信息计算杂志》，第1期，第72-81页（1998年）
[6] Clark，C.E.，《蒙特卡罗分析中的重要性抽样》，运筹学，9，603-20（1961）·Zbl 0117.36905号
[7] Collins，J.，通过同义回归进行功能估计，《统计学中的通信：理论和方法》，30，12，2601-35（2001）·Zbl 1009.62520号
[8] Dimov，I.T.，《应用科学家的蒙特卡罗方法》（2008），新加坡共和国：新加坡世界科学出版有限公司·Zbl 1140.65008号
[9] Ferrarini，A.，《蒙特卡罗模拟在回归模型中的更合适应用》，计算生态学与软件，4240-3（2011）
[10] Fishman，G.，Monte-Carlo概念算法和应用（1997），柏林：施普林格-弗拉格出版社，柏林·Zbl 0880.68137号
[11] Idjis，K。；Ourbih-Tari，M。；Baghdali Ourbih，L.，使用精细描述性抽样的M/M/1重审队列中的方差减少，统计学中的通信：模拟和计算，46，6，5002-20（2017）·Zbl 1373.90042号
[12] Jagerman，D.L。；Melamed，B.，TES过程的转变和自相关结构。第1部分：一般理论，随机模型，8193-219（1992）·Zbl 0751.60100号
[13] Jordi，R。；Xavier，R.V.，《利用两轴误差的线性回归评估分析方法的准确性》，分析化学，68，11，1851-7（1996）
[14] Ourbih-Tari，M。；Aloui，A.，蒙特卡罗模拟中的采样方法和并行性，统计学杂志：理论与应用进展，2169-92（2009）·兹比尔1173.62005
[15] Ourbih-Tari，M。；Azzal，M.，《使用非参数自适应精细描述性抽样算法进行生存函数估计：案例研究》，《统计学中的通信：理论与方法》，46，12，5840-50（2017）·Zbl 1369.90048号
[16] Ourbih-Tari，M。；Zioui，A。；Aloui，A.，《使用精细描述性抽样模拟平稳M/G/1排队系统的方差减少》，《统计学中的通信：模拟与计算》，46，5，3504-15（2017）·Zbl 1368.90051号
[17] A.B.欧文。；尼德雷特，H。；Spanier，J.，《蒙特卡罗和准蒙特卡罗方法》，蒙特卡罗、准蒙特卡洛和随机拟蒙特卡罗，86-97（1998），柏林，海德堡：施普林格，柏林，海德堡·Zbl 0942.65024号
[18] 罗伯特·C·P。；Casella，G.，Monte Carlo统计方法（2004），纽约：Springer Science+Business Media Inc，纽约·Zbl 1096.62003年
[19] Saliby，E.，《描述性抽样：蒙特卡罗模拟的更好方法》，运筹学学会杂志，411133-42（1990）
[20] Saliby，E。；Pacheco，F.，《风险分析模拟中抽样方法的实证评估：准蒙特卡罗、描述性抽样和拉丁超立方抽样》，《冬季模拟会议论文集》，第21606-10页（2002年）
[21] 塔里，M。；Dahmani，A.，《精细描述性抽样：蒙特卡罗模拟的更好方法》，《模拟建模实践与理论》，第14期，第143-60页（2006年）
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。