Μη γραμμικά μοντέλα παλινδρόμησης και εφαρμογές
| dc.contributor.advisor | Κούτρας, Μάρκος | |
| dc.contributor.author | Χουντάλας, Αναστάσιος | |
| dc.date.accessioned | 2020-09-08T11:18:50Z | |
| dc.date.available | 2020-09-08T11:18:50Z | |
| dc.date.issued | 2020-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12889 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/312 | |
| dc.description.abstract | Η μη γραμμική παλινδρόμηση είναι αρκετά παρόμοια με τη γραμμική παλινδρόμηση, η οποία έχει μελετηθεί διεξοδικά για πολλές δεκαετίες από τους στατιστικούς. Ωστόσο, το θέμα δεν είναι τόσο εύκολο να προσεγγιστεί, αφού η απώλεια της γραμμικότητας δημιουργεί αρκετά θεωρητικά προβλήματα, τα οποία πρέπει να αντιμετωπισθούν με διαφορετικούς τρόπους από τη γραμμική παλινδρόμηση. Η γνωστή ανάλυση και η γεωμετρία των ελάχιστων τετραγώνων δεν ισχύει πλέον, οπότε είναι αναπόφευκτο να καταφύγει κανείς σε ασυμπτωματικές μεθόδους και σε επαναληπτικούς αλγορίθμους. Ένα μη γραμμικό μοντέλο έχει τη γενική μορφή Yi=f(Xi,β)+εi, όπου το Xi είναι το διάνυσμα των προβλεπουσών μεταβλητών και β το διάνυσμα των παραμέτρων. Μέχρι σήμερα, έχουν αναπτυχθεί αρκετά βασικά αποτελέσματα σχετικά με τη μη γραμμική παλινδρόμηση, αφού το συγκεκριμένο θέμα είναι ιδιαίτερα ενδιαφέρον και ουσιαστικής πρακτικής σημασίας που βρίσκει εφαρμογή σε προβλήματα πολλών επιστημονικών περιοχών. Στην παρούσα εργασία περιγράφεται αρχικά το γενικό μοντέλο της μη γραμμικής παλινδρόμησης και στη συνέχεια γίνεται μια συστηματική παρουσίαση των τεχνικών εκτίμησης των παραμέτρων του μοντέλου. Στη πορεία, καλύπτονται θέματα στατιστικής συμπερασματολογίας και ύστερα γίνεται σύγκριση των διαφόρων μεθόδων που υπάρχουν. Τέλος, στην εργασία παρουσιάζονται συγκεκριμένες περιοχές που έχουν χρησιμοποιηθεί μοντέλα μη γραμμικής παλινδρόμησης. | el |
| dc.format.extent | 80 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Μη γραμμικά μοντέλα παλινδρόμησης και εφαρμογές | el |
| dc.title.alternative | Non-linear regression models and applications | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | Nonlinear regression is quite similar to linear regression, which has been studied extensively by statisticians for many decades. However, the non-linear model is not so easy to deal with, since the loss of linearity creates several theoretical problems, which must be addressed in different ways than in linear regression. The well-known analysis and geometry of least squares are no longer valid, so it is inevitable to resort to asymptomatic methods and iterative algorithms. A non-linear model has the general form Yi=f(Xi,β)+εi, where Xi is the vector of the predicted variables and β is the vector of the parameters. To date, several key results on nonlinear regression have been developed, as this topic is of particular interest and practical importance with mumerous applications to problems in many scientific areas. In the present Thesis, the general model of nonlinear regression is first described and then a systematic presentation of the model parameter estimation techniques is made. Statistical inference topics are covered and the various methods that exist are compared. Finally, the Thesis presents specific areas where nonlinear regression models have been used. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Μη γραμμικά μοντέλα παλινδρόμησης | el |
| dc.subject.keyword | Non-linear regression models | el |
| dc.date.defense | 2020-09-03 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές