Titre original :
Consistency of an Information Criterion for High-Dimensional Multivariate Regression
Contenu du livre :
Il s'agit du premier ouvrage sur l'évaluation de la cohérence (faible) d'un critère d'information pour la sélection des variables dans les modèles de régression linéaire multivariés à haute dimension en utilisant le cadre asymptotique à haute dimension.
Il s'agit d'un cadre asymptotique dans lequel la taille de l'échantillon n et la dimension du vecteur des variables de réponse p s'approchent simultanément de ∞ à condition que p/n atteigne une constante comprise entre 0 et 1.) La plupart des manuels de statistique évaluent la cohérence d'un critère d'information en utilisant le cadre asymptotique pour grands échantillons, de sorte que n se rapproche de ∞ lorsque p est fixé. L'évaluation de la cohérence d'un critère d'information à partir du cadre asymptotique à haute dimension nous apporte de nouvelles connaissances, par exemple Le critère d'information d'Akaike (AIC) devient parfois cohérent dans le cadre asymptotique à haute dimension bien qu'il ne soit jamais cohérent dans le cadre asymptotique à grand échantillon ; et le critère d'information bayésien (BIC) devient parfois incohérent dans le cadre asymptotique à haute dimension bien qu'il soit toujours cohérent dans le cadre asymptotique à grand échantillon.
Ces connaissances peuvent aider à choisir un critère d'information à utiliser pour l'analyse de données en haute dimension, qui a attiré l'attention de nombreux chercheurs.
Autres informations sur le livre :
| ISBN : | 9784431557746 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 60 |
Achat:
Actuellement disponible, en stock.
