Multivariate time series modeling, estimation and prediction of mortalities

ما یک مدل رگرسیون مخلوط برای داده های مرگ و میر ارائه می کنیم که می تواند به یک مولفه ی قطعی قطعی توضیح داده شود که در آن سن و سال تقویم، یک سری گاه شمار چند متغیره ای است که توسط کوواریات ها توضیح داده نمی شود و خطر دو جانبه وجود دارد. داده ها را می توان با استفاده از یک مدل رگرسیون لجستیک ساده تجزیه و تحلیل کرد، زمانی که مولفه سری چند گویوس سری زمانی وجود ندارد و هیچ اختلافی بیش از حد وجود ندارد. در این مقاله ما بیش از حد اجازه می دهد که بیش از حد پراکندگی و مدل رگرسیون مخلوط با داده های مرگ و میر از ایالات متحده و سوئد، با هدف ارائه پیش بینی و فواصل برای مرگ و میر در آینده و حق بیمه سالیانه، و هموار داده های تاریخی، با استفاده از بهترین پیش بینی کننده خطی بی طرفانه ما دریافتیم که شکل سریهای گاوشی تاثیر بزرگی بر عرض فواصل پیش بینی دارد و این مسئله یک سوالی جدید در مورد انتخاب مناسب مدل ارائه می دهد.