Μη παραμετρική συμπερασματολογία για σταθμισμένες κατανομές
| dc.contributor.advisor | Ηλιόπουλος, Γεώργιος | |
| dc.contributor.author | Μπαντούνας, Ιωάννης Γ. | |
| dc.date.accessioned | 2012-06-20T08:03:02Z | |
| dc.date.available | 2012-06-20T08:03:02Z | |
| dc.date.issued | 2012-06-20T08:03:02Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/4841 | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία αποτελεί μία ανασκόπηση της βιβλιογραφίας για τη μη παραμετρική και ημι-παραμετρική εκτίμηση μίας άγνωστης συνάρτησης κα¬τανομής βάσει δεδομένων τα οποία προέρχονται από μεροληπτικές εκδοχές της. Στο πρώτο μέρος μελετάται η μη παραμετρική εκτίμηση μιας συνάρτησης κατανομής όταν τα δεδομένα προέρχονται από σταθμισμένες εκδοχές της με γνωστές αντίστοιχες συ¬ναρτήσεις στάθμισης και παρουσιάζονται αλγόριθμοι για τον υπολογισμό του μη παραμετρικού εκτιμητή μεγίστης πιθανοφάνειας της εν λόγω κατανομής. Στο δεύτερο μέρος θεωρείται η περίπτωση που οι κατανομές από τις οποίες προέρχονται τα δε¬δομένα ικανοποιούν το λεγόμενο μοντέλου λόγου πυκνοτήτων και εξετάζεται η ημι-παραμετρική εκτίμηση των αντίστοιχων συναρτήσεων κατανομής και παρουσιάζονται έλεγχοι υποθέσεων σχετικά με την ισότητα αυτών των κατανομών. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Σύνθετες κατανομές | |
| dc.subject | Συναρτήσεις | |
| dc.subject | Στατιστική | |
| dc.title | Μη παραμετρική συμπερασματολογία για σταθμισμένες κατανομές | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/4841 | |
| dc.identifier.call | 510 ΜΠΑ | |
| dc.description.abstractEN | The present thesis consists of a review of the literature on nonparametric and semi-parametric estimation of an unknown distribution function based on several biased samples. In the first part the nonparametric estimation of a distribution function is studied when the data arise from weighted versions of it with known weighting functions and algorithms for the calculation of its nonparametric max¬imum likelihood estimators are presented. In the second part the case where the underlying distributions satisfy the so-called density ratio model is considered and the semi-parametric estimation of the corresponding distribution functions is inves¬tigated as well as tests of hypotheses about the equality of these distributions are presented. |
Files in this item
This item appears in the following Collection(s)
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές