کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7547430 | 1489750 | 2016 | 22 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Simplified simplicial depth for regression and autoregressive growth processes
ترجمه فارسی عنوان
عمق ساده برای رگرسیون و فرآیندهای رشد خودکار ریشه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
نشانه متناوب، تست بدون توزیع، نیرومندی، عمق تکاملی، توزیع همبسته، ثبات،
ترجمه چکیده
ما عمق ساده ی ساده را در دو جهت برای فرآیندهای رشد رگرسیون و خودبخود ساده می کنیم. در ابتدا ما نشان می دهیم که عمق مکعبی ساده، اغلب به شمارش زیرمجموعه ها با نشانه های متناوب از باقی مانده ها، اگر رجستر ها مرتب می شوند، کاهش می یابد. ساده سازی دوم در مورد تمام زیرمجموعه های باقیمانده داده نشده است. با در نظر گرفتن تنها مجموعه های خاصی از باقی مانده ها، توزیع های نامتقارن از مفاهیم عمق ساده ساده، توزیع نرمال است، به طوری که تست ها و فواصل اطمینان می تواند به راحتی استخراج شود. ما دو مورد ساده را برای پرونده عمومی پیشنهاد می کنیم و یک سند ساده برای موارد خاص که دو پارامتر ناشناخته است. علاوه بر این، شرایطی را برای انطباق تست ها ایجاد می کنیم. ما نشان می دهیم که مفاهیم عمق ساده را می توان برای رگرسیون چندجمله ای، برای چند مدل رگرسیون غیر خطی و برای چند فرایند رشد خودکار رونده استفاده کرد. ما کارایی و استحکام نسخه های مختلف ساده را با استفاده از یک مطالعه شبیه سازی در مورد مدل مایکلز-مننت و یک فرایند غیرخطی خودکارآمدی مرتبه اول مقایسه می کنیم و یک برنامه کاربردی برای رشد ترک را فراهم می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
ریاضیات کاربردی
چکیده انگلیسی
We simplify simplicial depth in two directions for regression and autoregressive growth processes. At first we show that simplicial tangent depth often reduces to counting the subsets with alternating signs of the residuals if the regressors are ordered. The second simplification is given by not regarding all subsets of residuals. By consideration of only special subsets of residuals, the asymptotic distributions of the simplified simplicial depth notions are normal distributions so that tests and confidence intervals can be derived easily. We propose two simplifications for the general case and a third simplification for the special case where two parameters are unknown. Additionally, we derive conditions for the consistency of the tests. We show that the simplified depth notions can be used for polynomial regression, for several nonlinear regression models, and for several autoregressive growth processes. We compare the efficiency and robustness of the different simplified versions by a simulation study concerning the Michaelis-Menten model and a nonlinear autoregressive process of order one and provide an application on crack growth.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Statistical Planning and Inference - Volume 173, June 2016, Pages 125-146
Journal: Journal of Statistical Planning and Inference - Volume 173, June 2016, Pages 125-146
نویسندگان
Christoph P. Kustosz, Christine H. Müller, Martin Wendler,