讨论：条件性生长图表
Discussion: Conditional growth charts
摘要：
条件生长图的讨论[数学ST/0702634]
英文摘要：
Discussion of Conditional growth charts [math.ST/0702634]
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
讨论：条件性生长图表
Discussion: Conditional growth charts
条件生长图的讨论[数学ST/0702634]
math.STstat.TH
讨论：条件性生长图表
Discussion: Conditional growth charts
条件生长图的讨论[数学ST/0702634]
math.STstat.TH
讨论：条件性生长图表
Discussion: Conditional growth charts
条件生长图的讨论[数学ST/0702634]
math.STstat.TH
反驳：条件生长图
Rejoinder: Conditional Growth Charts
反驳：条件生长图[数学ST/0702634]
math.STstat.TH
讨论文件。条件生长图表
Discussion paper. Conditional growth charts
生长图表通常是更翔实的，当他们是定制的每一个主题，考虑到以前的测量和可能的其他协变量的主题。我们研究了一个全局半参数分位数回归模型，该模型具有估计条件分位数的能力，而无需通常的分布假设。该模型可以从具有不规则测量时间的纵向参考数据中估计，并且对离群值具有一定程度的鲁棒性，并且对于包括协变量信息也是灵活的。本文提出了一种用于协变量大样本推断的秩和检验方法，并开发了一种新的纵向生长数据模型评估工具。我们的研究表明，全球模型有潜力成为一个非常有用的工具，在条件增长图分析。
math.STstat.TH
基于Bootstrap方法的控制图条件性能保证
Guaranteed Conditional Performance of Control Charts via Bootstrap Methods
在实际应用中，通常需要估计控制图的受控状态。这种估计对控制图的性能有不利的影响，控制图的性能通常由例如虚警概率或平均游程长度来衡量。我们建议调整监测计划，以克服这些问题。它保证，以一定的概率，一个有条件的性能给定的估计在控制状态。建议的方法是基于自举的数据用于估计在控制状态。该方法适用于不同类型的控制图，也适用于基于回归模型，生存模型等的图表。如果使用非参数自助法，则该方法对模型误差具有鲁棒性。我们展示了调整的大样本性质。我们的方法的实用性是通过模拟研究证明。
math.STstat.MEstat.TH
更多相关论文收起更多论文
超越域可分性的条件独立性：Engelke和Hitz的讨论（2020）
Conditional Independence Beyond Domain Separability: Discussion of Engelke and Hitz (2020)
我们祝贺Engelke和Hitz关于极端图形模型的发人深省的论文。本文的一个重要贡献是引入了一个新的定义条件独立的多元帕累托分布。在这里，我们概述了一般随机变量的支持是一个一般的集合Ω在多维实数空间中的独立性和条件独立性的建议。我们的建议包括作者的定义的条件独立性，和类似的定义的独立性作为特殊情况。通过使我们的建议独立于极值理论的背景，我们强调了作者的贡献超越这一特定背景的重要性。
math.STstat.TH
在MAR缺失情况下什么是好的填补方法？
What Is a Good Imputation Under MAR Missingness?
Research Institute for Statistics and Information Science, University of Geneva（日内瓦大学统计与信息科学研究所有）；Inria, PreMeDICaL Team, University of Montpellier（法国国家信息与自动化研究所，PreMeDICaL 团队，蒙彼利埃大学）
本文探讨了在MAR缺失情况下理想填补方法应具备的三个性质，并提出了一种满足其中两个标准的新方法mice-DRF。
math.STstat.TH
