کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6868909 681345 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Confidence intervals through sequential Monte Carlo
ترجمه فارسی عنوان
فاصله اطمینان از طریق مونت کارلو پیوسته
کلمات کلیدی
ترجمه چکیده
معمولا فواصل اطمینان از طریق معکوس کردن آزمون فرضیه ساخته می شوند. هنگامی که شکل تحلیلی توزیع آماری آزمون نامعلوم است، شبیه سازی مونت کارلو می تواند برای ساختن فاصله استفاده شود. در این راستا، روش متوالی مونت کارلو برای تخمینی فاصله ارائه شده است. این روش فواصل را با ضریب اطمینان تضمین می کند. از آنجا که در عمل همیشه نیاز به ایجاد یک مختصات در تعداد شبیه سازی ها است، یک قاعده ساده برای انتخاب تعدادی از شبیه سازی ها به عنوان تابع مرزهای مورد نظر برای احتمال پوشش، ارائه می شود. به عنوان یک نوآوری در ادبیات، روش ترتیبی مونت کارلو، هم ارزشی را با آزمون معمول مونت کارلو ارائه می دهد. از لحاظ عملکرد، برتری روش پیشنهادی برای دو مشکل مختلف، برآورد روش های توزیع گاما و برآورد اندازه جمعیت براساس نمونه گیری مجدد علامت گذاری شده است. یک مثال از نرم افزار برای داده های واقعی برای تخمین ریسک نسبی به دنبال آزمون اسکن عریض دایره ای ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Usually, confidence intervals are built through inversion of a hypothesis test. When the analytical shape of the test statistic distribution is unknown, Monte Carlo simulation can be used to construct the interval. In this direction, a sequential Monte Carlo method for interval estimation is introduced. The method produces intervals with guaranteed confidence coefficients. Because in practice one always needs to establish a truncation on the number of simulations, a simple rule of thumb is offered for choosing the number of simulations as a function of desired upper bounds for the coverage probability. As a novelty in the literature, the sequential Monte Carlo method presents equivalence with the conventional Monte Carlo test. In terms of performance, the superiority of the proposed method is illustrated for two different problems, estimation of gamma distribution means, and estimation of population sizes based on mark-recapture sampling. An example of application for real data is offered for relative risk estimation following the circular spatial scan test.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 105, January 2017, Pages 112-124
نویسندگان
,