۲۲۴۶۴پ
per
استنباط آماری در مدل‌صهای خطی بعد بالا و کاربرد آن در پیش گوئی دیابت نوع دوم
statistical inference high dimensional linear models and its application
/آرزو شهبازی
: علوم ریاضی
، ۱۳۹۸
، راشدی
۵۲ص
چاپی - الکترونیکی
کارشناسی ارشد
آمار گرایش آمار ریاضی
۱۳۹۸/۱۱/۱۹
تبریز
در این پایان نامه مساله رگرسیونی خطی بعد بالا و الگوریتم برای ساخت فواصل اطمینان و آزمون فرض برای پارامتر های مورد مطالعه پیشنهاد می شود. همچنین نشان داده می شود که فواصل اطمینان معرفی شده فواصل بهینه‌صای هستند و در حالت آزمون فرض صفر بودن برخی پارامتر های مورد مطالعه روش پیشنهادی یک روش پر توان است.رهیافت پیشنهادی بر مبنای ساخت برآوردگر های اریبی کاهش یافته از برآورد گرهای M بار تنظیم شده‌صی اولیه است.فرآیند معرفی برآوردگرهای جدید نسبت بر آورد گرهای موجود از این مزیت برخوردار است که در آن هیچ پیش فرض خاصی روی ماتریس طرح نیاز نیست .در نهایت کاربردی از روش پیشنهاد شده در مساله پیش‌ص گویی بیماری دیابت نوع دوم ارائه می‌صگردد
We consider here high-dimensional linear regression problem, and propose an effcient algorithm for constructing confdence intervals and p-values. The resulting confdence intervals have nearly optimal size. When testing for the null hypothesis that a certain parameter is vanishing, our method has nearly optimal power. Our approach is based on constructing a de-biased version of regularized Mestimators. The new construction improves over recent work in the feld in that it does not assume a special structure on the design matrix. Furthermore, proofs are remarkably simple. We test our method on a diabetes prediction problem
statistical inference high dimensional linear models and its application
شهبازی، آرزو
Shahbazi, Arezoo
سیاه و سفید
نمایه‌سازی قبلی
