調査データのための高次元環境におけるモデル支援推定【JST・京大機械翻訳】

Dagdoug Mehdi; Goga Camelia; Haziza David

プレプリント

J-GLOBAL ID：202202209246654515 整理番号：21P0067980

調査データのための高次元環境におけるモデル支援推定【JST・京大機械翻訳】

Model-assisted estimation in high-dimensional settings for survey data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年12月14日プレプリントサーバーでの情報更新日： 2021年04月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

モデル支援推定量は,過去30年間,多くの注目を集めている。これらの推定器は,推定段階で利用可能な補助情報の効率的利用を試みている。調査変数を補助変数にリンクする作業モデルを指定し,サンプルデータに当てはめて,推定手順に組込む一連の予測を得た。モデル支援手順の優れた特徴は,作業モデルを正しく指定するかどうかに関係なく,一貫性や漸近不偏性のような重要な設計特性を維持することである。本論文では,設計ベースの観点から,また,ペナルティ推定子およびツリーベース推定器を含む高次元設定において,いくつかのモデル支援推定量を検討した。著者らは,この高次元データセットにおけるバイアスと効率に関して,いくつかのモデル支援推定子の性能を評価するために,エネルギー規制スマート計量プロジェクトのためのアイルランド委員会からのデータを用いた広範なシミュレーション研究を行った。【JST・京大機械翻訳】

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

システム・制御理論一般 , リモートセンシング一般

, , , , ,

前のページに戻る