文献

J-GLOBAL ID：202102238657195241   整理番号：21A2377912

多重データソースからの併合データのためのセミパラメトリック推論【JST・京大機械翻訳】

Semiparametric inference for merged data from multiple data sources

著者 (1件)： Saegusa Takumi (Department of Mathematics, University of Maryland, College Park, MD 20742, USA)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 216  ページ： 1-14  発行年： 2022年 
JST資料番号： B0907B  ISSN： 0378-3758  CODEN： JSPIDN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： データを複数の重複源から併合するとき,一般的な半パラメトリック推論を考察した。マージされたデータは,複数のデータソース,潜在的未同定重複記録,および各データソース内の置換のないサンプリングによる依存性を含むいくつかの特徴を示す。本論文では,データ統合による重み付き半パラメトリックM推定のための大きなサンプル理論を確立した。この推定子は重複データ源による重複を同定できないがバイアスを補正できる。主な課題は,漸近分散が閉形式ではなく,一般的に未知関数の期待を含むことである。分散推定のための新しい計算手順を提案し,その一貫性を示した。有限サンプル性能をシミュレーション研究を通して評価した。Wilms腫瘍例を提供した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  ブートストラップ ,  微分 ,  バイアス ,  *推定量 ,  Wilms腫瘍 ,  データ融合
準シソーラス用語： 閉形式 ,  分散推定 ,  漸近分散 ,  セミパラメトリックモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： データ統合 ,  ブートストラップ ,  数値微分 ,  セミパラメトリックモデル ,  分散推定

分類 (2件)： 信号理論  (ND02020G) ,  統計学  (AB08000H)

タイトルに関連する用語 (4件)： 多重データ ,  ソース ,  併合 ,  推論