کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5095521 1376468 2017 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian mode regression using mixtures of triangular densities
ترجمه فارسی عنوان
رگرسیون حالت بیزی با استفاده از مخلوط تراکم مثلثی
کلمات کلیدی
ترجمه چکیده
مدل های نیمه پارامتر بیزی برای رگرسیون های متوسط ​​و متوسط ​​فراوان است، اما رگرسیون حالت خالی وجود دارد. ما این شکاف را با مدلسازی غیرپارامتری توزیع خطا در چنین رگرسیونهایی که به تدوین توزیعهای پیشین در تراکم هایی که انعطاف پذیری را نمایش می دهند، در حالی که حالت را در 0 ثابت می کند، مدل سازی غیر پارامتری می نامیم. چنین محدودیت هایی در هنگام محدود کردن میانگین و میانگین وجود دارد، اما به نظر ما، حالت راه حل ما با مخلوط توزیع مثلثی به صورت شرطی شرطی در فضای تراکم های محصور، بدون قاعده و محدب پیش می آید. خصوصیات سازگاری برآوردگرهای مودال منجر به بررسی و سپس تصاویری شبیه سازی شده و واقعی داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
رگرسیون حالت بیزی با استفاده از مخلوط تراکم مثلثی
چکیده انگلیسی
Bayesian semiparametric models for mean and median regressions abound, but a void for mode regressions exists. We fill this gap by nonparametrically modeling the error distribution in such regressions that entails constructing prior distributions on densities which exhibit flexibility, while fixing the mode at 0. Such priors exist when constraining the mean and median but, to our knowledge, there is none for the mode. Our solution with mixtures of triangular distributions results in a conditionally conjugate prior on the space of unimodal, untruncated, convex densities. Consistency properties of the resulting modal estimators are studied, followed by simulated and real data illustrations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 197, Issue 2, April 2017, Pages 273-283
نویسندگان
, , ,