(3.235.41.241) 您好！臺灣時間：2021/04/21 12:56

### 詳目顯示:::

:

• 被引用:0
• 點閱:154
• 評分:
• 下載:15
• 書目收藏:0
 傳統上，針對二元資料之分析多採用 logistic 迴歸模型。但此模型在事件發生之條件機率上有單調函數之限制，因此我們利用Bernstein 多項式來表達事件發生之條件機率，因而於本文中提出一個藉由Bernstein 多項式所建構的貝氏迴歸模型。在貝氏方法中，我們將先驗分佈建立在Bernstein 多項式的次數和係數所組成的參數空間上，並對統計推論所需的後驗分佈用MCMC 的方法做抽樣。最後，在相同的模型與方法下，比較在不同樣本數及先驗分佈下的模擬結果；其次，對於logistic 迴歸模型的限制，經由模擬顯示本文所提出的貝氏迴歸有較小的均方誤差。
 Data analysis of binary response variables are often conducted by logistic regression model. Logistic regression model assumes that the conditional probability function of success is a monotonic function. In order to eliminate this sometimes unnecessary monotone restriction, we propose to use Bernstein polynomials to model the conditional probability of success. As a Bayesian approach, we put a prior on the space of Bernstein polynomials having values in [0,1] through their coe cients. The sample from the posterior distribution for inference purpose is obtained by MCMC methods. We conduct simulation studies to examine the e ects of sample size and priors, to indicate that the numerical performance of this method is generally good and to show that our model performs better than the logistic regression model whenthe regression function is not monotone.
 1 緒論.............................................................12 模型2.1 介紹Bernstein 多項式及Bernstein-Weierstrass 定理.....32.2 由Bernstein 多項式所建構的二元迴歸模型................42.3 演算法......................................................63 模擬研究3.1 有效模擬次數........................................103.2 平均均方誤差........................................113.3 模擬結果與討論....................................134 結論...........................................................18參考文獻......................................................19
 [1] Chang, I. S., Chien, L. C., Hsiung, C. A., Wen, C. C., and Wu, Y. J. (2007). Shape restricted regression with random Bernstein polynomials. In Complex Dataset and Inverse Problems. IMS Lecture Notes Monograph Series , 54, 187-202[2] Chang, I. S., Hsiung, C. A., Wu, Y. J., and Yang, C. C. (2005). Bayesian survival analysis using Bernstein polynomials. Scandinavian Journal of Statistics, 32,447-466[3] Gelman, A., Carlin, J. B., Stern, H. S. and Rubin, D. B. (2004). Bayesian data analysis, 2nd ed. Chapman and Hall, Boca Raton.[4] Green, P. J. (1995). Reversible jump Markov chain Monte Carlo computation and Bayesian model determination. Biometrika 82, 711-732.[5] Resnick, S. I. (1999). A Probability Path. Birkhauser, Boston.
 電子全文
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 無相關論文

 無相關期刊

 1 凱利準則及其在賭博上的應用 2 隨機右設限數據之風險率的貝氏估計方法 3 伯因斯坦多項式零根選擇法建構正規小波的策略研究 4 利用Bernstein多項式去解二維度的偏微分方程問題 5 某類網格型微分方程行波解的存在性，唯一性及穩定性 6 最佳廣告設計策略之知識管理--以機車廣告決策支援系統為例 7 跨國新產品銷售預測模式之研究:以電影為例 8 微陣列多時間點基因表達的貝氏分析及應用在桿狀病毒株於不同宿主的比較 9 比較貝氏二元迴歸(BBR)以及微陣列預測分析(PAM)方法於基因表現量之分類功能 10 多變數Bernstein多項式的一些性質 11 多項式的臨界點圖樣和固定點圖樣 12 函數體上的算術 13 量子點模擬所產生之多項式特徵值問題的數值研究 14 細切尋根法求多項式解 15 Studies on Fractional Brownian Motion: Its Representations and Properties

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室