plik


ÿþRegresja na kwantylach Jerzy Mycielski 2008 Jerzy Mycielski () Regresja na kwantylach 2008 1 / 13 Regresja dla warto[ci oczekiwanej W przypadku regresji dla warto[ci oczekiwanej modelujemy zale|no[ miedzy warto[cia oczekiwana a zmiennymi obja[niajacymi Hiperp aszczyzna regresji y na x dla warto[ci oczekiwanej jest warunkowa warto[cia oczekiwana E (y| x) = µ (x) Intuicyjnie, hiperp aszczyzna regresji podaje zale|no[ miedzy oczekiwana wielko[cia y dla znanego x Jerzy Mycielski () Regresja na kwantylach 2008 2 / 13 Regresja dla kwantyli Bezwarunkowa Kwantyl Ä jest taka wielko[cia kt ra jest wieksza lub r wna od y z prawdopodbieDstwem Ä. Bezwarunkowy kwantyl Ä bedziemy wiec definiowa jako takie ¾, dla kt rego F (¾Ä) = Ä. Dla znanej postaci dystrybuanty F kwantyl Ä mo|na policzy jako -1 ¾Ä = Fy (Ä) . Jerzy Mycielski () Regresja na kwantylach 2008 3 / 13 W przypadku regresji na kwantylach modelujemy zale|no[ miedzy wielko[cia kwantyla Ä a wielko[cia zmiennych niezale|nych. Warunkowy kwantyl Ä mo|na wiec zdefiniowa jako Fy ( ¾| x) = Ä. Wynika z tego, |e -1 ¾Ä (x) = Fy ( Ä| x) Zauwa|my, |e dla ka|dego kwantyla, posta funkcji regresji mo|e wyglada nieco inaczej Jerzy Mycielski () Regresja na kwantylach 2008 4 / 13 Kwantyle Jerzy Mycielski () Regresja na kwantylach 2008 5 / 13 Krzywe Engla Jerzy Mycielski () Regresja na kwantylach 2008 6 / 13 Estymacja parametr w - regresja na warto[ci oczekiwanej W przypadku regresji dla warto[ci oczekiwanej standardowo stosuje sie metode najmniejszych kwadrat w. Zak adamy, |e µ (x) jest dana funkcja parametryczna µ (x, ²) o nieznanym wektorze parametr w ². Wektor ² znajdujemy minimalizujac sume kwadrat w reszt: N min [yi - µ (xi , ²)]2 " ²"RK i =1 Jerzy Mycielski () Regresja na kwantylach 2008 7 / 13 Estymacja parametr w - regresja na kwantylach Mediana W przypadku regresji na kwantylach estymacje mo|na tak|e sprowadzi do rozwiazywania problemu maksymalizacyjnego. Rozpatrzmy najprostszy przypadek szukania mediany y (Ä = 0.5) poprzez rozwiazywanie nastepujacej funkcji celu min |yi - ¾0.5| ¾0.5"R Warunki pierwszego rzedu dla tego problemu (dla N nieparzystego i yi = yi dla i = j) beda mia y nastepujaca posta: N [I (yi > ¾0.5) - I (yi < ¾0.5)] = 0 " i =1 lub I (yi > ¾0.5) "N i =1 = 1 I (yi < ¾0.5) "N i =1 Jerzy Mycielski () Regresja na kwantylach 2008 8 / 13 Warunek pierwszego rzedu bedzie wiec spe niony dla ¾0.5 r wnemu yi , kt re jest mediana z pr by. W og lniejszym przypadku estymacji parametr w regresji na medianie rozwiazujemy nastepujacy problem maksymalizacyjny: min |yi - ¾0.5 (x, ²)| ²"RK Zauwa|my, |e estymator dla regresji dla mediany jest r wnowa|ny estymatorowi LAD (Least Absolute Deviation) Jerzy Mycielski () Regresja na kwantylach 2008 9 / 13 Estymacja parametr w - regresja na kwantylach Dla dowolnego Ä oszacowanie kwantyla z pr by mo|na znalez rozwiazujac zadanie: min ÁÄ (yi - ¾Ä) ¾Ä"R gdzie Äx dla x > 0 ÁÄ (x) = (1 - Ä) x dla x < 0 Warunki pierwszego rzedu w tym przypadku beda mia y posta I (yi > ¾0.5) 1 - Ä "N i =1 = Ä I (yi < ¾0.5) "N i =1 Estymatorem jest odpowiedni kwantyl empiryczny. Jerzy Mycielski () Regresja na kwantylach 2008 10 / 13 W og lniejszym przypadku estymacji parametr w regresji na medianie rozwiazujemy nastepujacy problem maksymalizacyjny: min ÁÄ (yi - ¾Ä (x, ²)) ²"RK Rozwiazanie tego problemu maksymalizacji znajduje sie metodami programowania liniowego (simplex) Jerzy Mycielski () Regresja na kwantylach 2008 11 / 13 Regresja na kwantylach - zalety Przeprowadzajac regresje na szeregu kwantyli, opisujemy zale|no[ ca ego rozk adu zmiennej zale|nej od zmiennych niezale|nych a nie tylko warto[ci oczekiwanej zmiennej zale|nej Heteroskedastyczno[ mo|na atwo wykry analizujac wyniki regresji na kwantylach W przypadku wystepowania heteroskedastyczno[ci estymacja regresji na medianie mo|e okaza sie bardziej efektywnym sposobem szukania warto[ci parametr w ni| regresja na warto[ci oczekiwanej Kwantyl zmiennej losowej przekszta conej za pomoca przekszta cenia monotonicznie rosnacego g (y) jest r wny przekszta conemu w ten sam spos b kwantylowi oryginalnej zmiennej -1 -1 ¾Ä (x) = Fg (y ) ( Ä| x) = g Fy ( Ä| x) Regresja na kwantylach jest odporna na problem outlier w (obserwacji b ednych) Jerzy Mycielski () Regresja na kwantylach 2008 12 / 13 Regresja na kwantylach - trudno[ci Najwiekszy problem zwiazany z regresja na kwantylach zwiazany jest z brakiem wzor w analitycznych na macierz wariancji i kowariancji uzykanych oszacowaD. W zwiazku z tym trudniejsze jest znajdywanie przedzia w ufno[ci oraz weryfikacja hipotez statystycznych Oszacowania macierzy wariancji i kowarinacji mo|na znalez metoda bootstrap Jerzy Mycielski () Regresja na kwantylach 2008 13 / 13

Wyszukiwarka

Podobne podstrony:
Quantifiers 2
Topic 1 Quantitative Chemistry
quantity totals
quantity
Quantitative dilatometric analysis of intercritical annealing in a low silicon TRIP steel
Quantico
Enlargement of the fornix in early onset schisophrenia a quantitative MRI study
Methods in EnzymologyF3 09 Quantitation of Protein
Quantification of the collagen fibre architecture of human cranial dura mater
5year 6 quantitative microbiology eng
2010 Quantification notions
dm quantities
Quantizer
Domhoff, G W (1996) Finding meaning in dreams A quantitative approach r 3
quantitiy

więcej podobnych podstron