کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6869007 681310 2016 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Symmetric adaptive smoothing regimens for estimation of the spatial relative risk function
ترجمه فارسی عنوان
رژیم های صاف کننده سازگاری متقارن برای برآورد تابع ریسک فضایی نسبی
کلمات کلیدی
پهنای باند داده های کنترل مورد، صاف کردن هسته، ریسک عملکرد ورودی برآورد خلبان، مطالعه شبیه سازی،
ترجمه چکیده
تابع ریسک فضایی نسبی در حال حاضر به عنوان یک ابزار استاندارد برای تجسم داده های مورد کنترل فضایی نشان داده شده است. این عملکرد معمولا با استفاده از نسبت تراکم هسته تخمین زده می شود. در بسیاری از برنامه های کاربردی، پهنای باند فضایی انطباقی برای رسیدگی به ناهمگونی گسترده در توزیع داده ها ضروری است. روش های اولیه روش های جداگانه و صاف کردن نامتقارن برای محاسبه تراکم مورد و کنترل استفاده کرده اند. با این حال، ما نشان می دهیم که این می تواند به آثار روش شناختی بالقوه گمراه کننده در برآوردهای حاصل از عملکرد ریسک نسبی ورودی منجر شود. ما یک طرح صاف سازگاری متقارن که این مشکل را حل می کند، ایجاد می کنیم. ما خواص آستانهشناختی برآوردگر ریسک جدید نسبی ورودی را بررسی میکنیم و از طریق یک مطالعه شبیه سازی گسترده بر اساس تعدادی از مشکلات که از برنامههای زندگی واقعی اقتباس شده است، بررسی عملکرد نمونه نهایی آن را بررسی میکنیم. نتایج دلگرم کننده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The spatial relative risk function is now regarded as a standard tool for visualising spatially tagged case-control data. This function is usually estimated using the ratio of kernel density estimates. In many applications, spatially adaptive bandwidths are essential to handle the extensive inhomogeneity in the distribution of the data. Earlier methods have employed separate, asymmetrical smoothing regimens for case and control density estimates. However, we show that this can lead to potentially misleading methodological artefacts in the resulting estimates of the log-relative risk function. We develop a symmetric adaptive smoothing scheme that addresses this problem. We study the asymptotic properties of the new log-relative risk estimator, and examine its finite sample performance through an extensive simulation study based on a number of problems adapted from real life applications. The results are encouraging.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 101, September 2016, Pages 12-28
نویسندگان
, , ,