Intervalldaten und generalisierte lineare Modelle [Paperback]

Da eine direkte pr?zise Sch?tzung von Parametern mit Intervalldaten in generalisierten linearen Modellen nicht m?glich ist, formuliert Michael Seitz die Intervallsch?tzungen der Parameter als Optimierungsproblem und schl?gt numerische Verfahren vor, um diese zu l?sen. Die Herausforderung liegt dabei in der numerischen L?sung des hochdimensionalen Optimierungsproblems. Dieses wird hier n?herungsweise mit einer Kombination aus bekannten numerischen Verfahren f?r nicht-lineare Zielfunktionen und heuristischem Vorgehen gel?st. Des Weiteren werden f?r einige Spezialf?lle andere zuverl?ssigere Verfahren vorgestellt. ? ?Numerische Optimierungsverfahren zur L?sung des Problems.- Direkte Optimierung der Parameter und Optimierung.- Anwendung der Verfahren auf simulierte Daten.Michael Seitz verfasste seine Masterarbeit bei Prof. Dr. Thomas Augustin am Institut f?r Statistik an der Ludwig-Maximilians-Universit?t M?nchen und promoviert derzeit an der Technischen Universit?t M?nchen.

Da eine direkte pr?zise Sch?tzung von Parametern mit Intervalldaten in generalisierten linearen Modellen nicht m?glich ist, formuliert Michael Seitz die Intervallsch?tzungen der Parameter als Optimierungsproblem und schl?gt numerische Verfahren vor, um diese zu l?sen. Die Herausforderung liegt dabei in der numerischen L?sung des hochdimensionalen Optimierungsproblems. Dieses wird hier n?herungsweise mit einer Kombination aus bekannten numerischen Verfahren f?r nicht-lineare Zielfunktionen und heuristischem Vorgehen gel?st. Des Weiteren werden f?r einige Spezialf?lle andere zuverl?ssigere Verfahren vorgestellt.

Der Inhalt

• Numerische Optimierungsverfahren zur L?sung des Problems
• Direkte Optimierung der Parameter und Optimierung
• Anwendung der Verfahren auf simulierte Daten

Die Zielgruppen