論文の概要: Bivariate vine copula based quantile regression

• arxiv url: http://arxiv.org/abs/2205.02557v1
• Date: Thu, 5 May 2022 10:41:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-06 15:36:32.261474
• Title: Bivariate vine copula based quantile regression
• Title（参考訳）: 二変量vine copulaに基づく分位回帰
• Authors: Marija Tepegjozova and Claudia Czado
• Abstract要約: 予測回帰設定において,2つの応答の対称的処理に特化して設計された新しいグラフ構造モデルを提案する。 ワインコプラを用いた回帰の典型的な欠点は、予測子の変換や相互作用を必要とするため、コリニアリティや量子交差は避けられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The statistical analysis of univariate quantiles is a well developed research topic. However, there is a profound need for research in multivariate quantiles. We tackle the topic of bivariate quantiles and bivariate quantile regression using vine copulas. They are graph theoretical models identified by a sequence of linked trees, which allow for separate modelling of marginal distributions and the dependence structure. We introduce a novel graph structure model (given by a tree sequence) specifically designed for a symmetric treatment of two responses in a predictive regression setting. We establish computational tractability of the model and a straight forward way of obtaining different conditional distributions. Using vine copulas the typical shortfalls of regression, as the need for transformations or interactions of predictors, collinearity or quantile crossings are avoided. We illustrate the copula based bivariate quantiles for different copula distributions and provide a data set example. Further, the data example emphasizes the benefits of the joint bivariate response modelling in contrast to two separate univariate regressions or by assuming conditional independence, for bivariate response data set in the presence of conditional dependence.
• Abstract（参考訳）: 単変量体の統計解析は、よく発達した研究トピックである。 しかし、多変量体の研究には大きな必要性がある。 本研究では,二変量体と二変量体回帰の話題に取り組む。 これらは連結木の列によって識別されるグラフ理論モデルであり、辺分布と依存構造を分離したモデル化を可能にする。 予測回帰設定において,2つの応答の対称的処理に特化して設計された新しいグラフ構造モデルを提案する。 我々は,モデルの計算的トラクタビリティと,異なる条件分布を得るための直進的な方法を確立する。 ワインコプラを用いた回帰の典型的な欠点は、予測子の変換や相互作用を必要とするため、コリニアリティや量子交差は避けられる。 本稿では,コプラ分布の異なる2変量体について説明するとともに,データセットの例を示す。 さらに、データ例は、2つの別々の単変量回帰と対照的に、あるいは条件依存の有無で設定された二変量応答データセットに対して条件独立を仮定することで、共同二変量応答モデリングの利点を強調している。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
  多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。 構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。 この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
  論文  参考訳（メタデータ） (2023-09-02T01:27:53Z)
• Vector Quantile Regression on Manifolds [8.328891187733841]
  QR(Quantile regression)は、対象変数の条件量子化の分布自由度推定のための統計ツールである。 最適輸送理論とc-凹関数を活用することにより、高次元変数の条件ベクトル量子関数を有意に定義する。 提案手法の有効性を実証し, 合成および実データ実験による非ユークリッド量子化の意味に関する知見を提供する。
  論文  参考訳（メタデータ） (2023-07-03T14:17:12Z)
• Strong identifiability and parameter learning in regression with heterogeneous response [5.503319042839695]
  本研究では, 有限混合回帰モデルにおける強い識別可能性, 条件密度およびパラメータ推定の収束率, およびベイズ後部収縮挙動について検討する。 本稿では,本論文で報告されているいくつかの一般的な回帰混合モデルに見られるパラメータ学習行動について,シミュレーション研究とデータ図解を提供する。
  論文  参考訳（メタデータ） (2022-12-08T05:58:13Z)
• SPQR: An R Package for Semi-Parametric Density and Quantile Regression [0.12891210250935145]
  我々はXuとReichで半パラメトリック量子化回帰法(SPQR)を実装するRパッケージ(2021年)を開発した。 本稿では、このフレームワークがSPQRでどのように実装されているかを説明し、シミュレーションおよび実データ例を通して、実際にどのようにこのパッケージを使うべきかを説明する。
  論文  参考訳（メタデータ） (2022-10-26T05:10:15Z)
• Bayesian predictive modeling of multi-source multi-way data [0.0]
  初期鉄欠乏症 (ID) の予測因子として, 複数のオミクス源から得られた分子データについて検討した。 係数に低ランク構造を持つ線形モデルを用いて多方向依存を捕捉する。 本モデルでは, 誤分類率と推定係数と真の係数との相関から, 期待通りの性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-08-05T21:58:23Z)
• On the Strong Correlation Between Model Invariance and Generalization [54.812786542023325]
  一般化は、見えないデータを分類するモデルの能力をキャプチャする。 不変性はデータの変換におけるモデル予測の一貫性を測定する。 データセット中心の視点から、あるモデルの精度と不変性は異なるテストセット上で線形に相関している。
  論文  参考訳（メタデータ） (2022-07-14T17:08:25Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Flexible Model Aggregation for Quantile Regression [92.63075261170302]
  量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。 条件付き量子モデルの任意の数を集約する手法について検討する。 この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
  論文  参考訳（メタデータ） (2021-02-26T23:21:16Z)
• The MELODIC family for simultaneous binary logistic regression in a reduced space [0.5330240017302619]
  同時バイナリロジスティック回帰モデリングのためのMELODICファミリーを提案する。 モデルは、ロジスティック回帰係数または双極子の観点から解釈することができる。 薬物摂取プロファイルに関連する性格特性と、うつ病や不安障害に関連する性格特性の2つの応用が詳細に示されている。
  論文  参考訳（メタデータ） (2021-02-16T15:47:20Z)
• Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
  我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。 私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。 提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
  論文  参考訳（メタデータ） (2020-08-01T10:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。