利用Bernstein多項式來研究二元迴歸; Binary regression with Bernstein polynomials

NCU Institutional Repository > 理學院 > 數學研究所 > 博碩士論文 > Item 987654321/7941

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/7941

题名:	利用Bernstein多項式來研究二元迴歸;Binary regression with Bernstein polynomials
作者:	蕭愛齡;Ai-ling Hsiao
贡献者:	數學研究所
关键词:	馬可夫鏈蒙地卡羅法;logistic 迴歸模型;Bernstein 多項式;MCMC;Bernstein polynomial;logistic regression model
日期:	2008-06-06
上传时间:	2009-09-22 11:09:41 (UTC+8)
出版者:	國立中央大學圖書館
摘要:	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 when the regression function is not monotone.
显示于类别:	[數學研究所] 博碩士論文

文件中的档案:

档案	大小	格式	浏览次数

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....