データの特性に基づいたモデル選択のための設計発見的方法の方法論:負の二項Lindley(NB L)は負の二項(NB)上の優先である場合の研究への応用【Powered by NICT】

Shirazi Mohammadali; Dhavala Soma Sekhar; Lord Dominique; Geedipally Srinivas Reddy

文献

J-GLOBAL ID：201702288724910704 整理番号：17A1496287

データの特性に基づいたモデル選択のための設計発見的方法の方法論:負の二項Lindley(NB L)は負の二項(NB)上の優先である場合の研究への応用【Powered by NICT】

A methodology to design heuristics for model selection based on the characteristics of data: Application to investigate when the Negative Binomial Lindley (NB-L) is preferred over the Negative Binomial (NB)

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1496287&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1496287&from=J-GLOBAL&jstjournalNo=D0828A") }}

著者 (4件)： , , ,
資料名：
巻： 107 ページ： 186-194 発行年： 2017年
JST資料番号： D0828A ISSN： 0001-4575 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

安全アナリストは,通常,後のモデリング法を使用し,適合度統計または尤度比検定のような,二又はそれ以上の競合分布あるいはモデルの間で決定した。比較を達成する前にそのような測定基準は,全ての競合分布をデータに適合する必要がある。新しい統計分布を導入し,このような後モデリング法を用いた最良のものを選択する際の連続成長は自明なタスクではないが与えられたとき,すべての理論的あるいは数値的問題に加えて分析者は分析中に直面するかもしれない。さらに,そして最も重要なことに,これらの測度あるいは試験はなぜ特異的分布(あるいはモデル)は他より好まれている(良さの論理)直感を提供していない。モデルを適合させる前に,記述的要約統計量の観点から,データの特性に基づくモデル選択のための発見的方法を設計するための方法論を提案することにより,これらの問題への思案している。提案した方法は,二つの解析ツールを用いる(1)モンテカルロシミュレーションと(2)機械学習分類器,データを解析するための「最も可能性の高い真の分布のラベルを予測するための簡単な発見的方法を設計した。提案された方法論は,最近導入された負の二項Lindley(NB L)分布は負の二項(NB)分布より好まれているとき研究に適用した。発見的方法は,これらの二分布間の最も可能性の高い真の分布,データの要約統計量のセットを選択するように設計した。提案した発見的方法は,いくつかの実際のまたは観測データセットのための古典的な試験と比較することに成功した。使いやすく,ポストモデリング入力を必要としないだけでなく,また,これらの発見的方法を用いた,分析者はNB Lは,NB-またはそのモデリングデータを逆の場合より好まれている理由についての有用な情報を得ることができる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

自動車事故,交通安全

, , , , , , ,

前のページに戻る