Nittner thomas (4 Ergebnisse)

Hardcover / geringe Gebrauchsspuren Zustand gut.

Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Im Mittelpunkt der Betrachtung steht das einfache additive Modell g = (x) + Î mit fehlenden Werten in x. Das Ziel besteht im Vergleich von aus der linearen Regressionsrechnung bekannten Verfahren mit der nearest neighbor imputation. Neben einer ausführlichen Einführung in die Problematik fehlender Daten, in die Schätzung nichtparametrischer Regressionsmodelle und in einige Imputationsverfahren werden die Struktur und die Resultate der Simulationsexperimente ausführlich diskutiert. Dabei stehen insbesondere die Ergebnisse unter missing at random (MAR) im Vordergrund, was hier einer Abhängigkeit des Fehlens vom Response g entspricht. Während unter missing completely at random (MCAR) die Analyse der vollständigen Fälle noch als geeignet anzusehen ist, sind unter MAR die deutlichen Vorteile der nearest neighbor imputation bzw. einer neu entwickelten Version ersichtlich. Dieser Zusammenhang ist sowohl bei nichtmonotonem (x) wie auch bei einer monotonen Funktion zu erkennen.; Dissertationsschrift.…

Taschenbuch. Zustand: Neu. Fehlende Daten in Additiven Modellen | Thomas Nittner | Taschenbuch | Deutsch | Peter Lang | EAN 9783631513712 | Verantwortliche Person für die EU: Kolibri 360 GmbH, Ettore-Bugatti-Str. 6-14, 51149 Köln, produktsicherheit[at]kolibri360[dot]de | Anbieter: preigu.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Im Mittelpunkt der Betrachtung steht das einfache additive Modell g = (x) + Î mit fehlenden Werten in x. Das Ziel besteht im Vergleich von aus der linearen Regressionsrechnung bekannten Verfahren mit der nearest neighbor imputation. Neben einer ausführlichen Einführung in die Problematik fehlender Daten, in die Schätzung nichtparametrischer Regressionsmodelle und in einige Imputationsverfahren werden die Struktur und die Resultate der Simulationsexperimente ausführlich diskutiert. Dabei stehen insbesondere die Ergebnisse unter missing at random (MAR) im Vordergrund, was hier einer Abhängigkeit des Fehlens vom Response g entspricht. Während unter missing completely at random (MCAR) die Analyse der vollständigen Fälle noch als geeignet anzusehen ist, sind unter MAR die deutlichen Vorteile der nearest neighbor imputation bzw. einer neu entwickelten Version ersichtlich. Dieser Zusammenhang ist sowohl bei nichtmonotonem (x) wie auch bei einer monotonen Funktion zu erkennen. 136 pp. Deutsch.…