我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
在许多大都市地区,都在努力统计无家可归者人数,以确保适当提供社会服务。一些区域非常大,这使得空间采样成为枚举整个地形的可行替代方案。计数是在抽样地区观察到的,但必须在未访问的地区进行插补。在插补过程中,低估和高估的成本可能不同。例如,如果在无家可归人数众多的地区进行准确估计至关重要,那么对低估的惩罚应该大于对损失函数的高估。我们分析了2004年至2005年洛杉矶县无家可归者研究的数据,使用了L(左)1随机梯度增强会不对称地高估和低估权重。我们讨论了与其他函数估计程序相比使用随机梯度增强的选择。分析了各种成本函数的样本内拟合和样本外插补值,以及响应和预测因子之间的关系。简要讨论了这些结果的实际用途和政策含义。
布莱恩·克里格勒(Brian Kriegler)。 理查德·伯克。 “洛杉矶无家可归者的小面积估计:成本敏感随机梯度提升的应用。” 附录申请。斯达。 4 (3) 1234-1255, 2010年9月。 https://doi.org/10.1214/10-AOAS328