Consideramos el problema de modelar datos de recuento con exceso de ceros utilizando la regresión de Poisson Inflada en Ceros (ZIP). Recientemente, se han desarrollado varios métodos de regularización para la selección de variables en modelos ZIP. Entre estos, EM LASSO es un método popular para la selección simultánea de variables y la estimación de parámetros. Sin embargo, EM LASSO sufre de ineficiencia en la estimación e inconsistencia en la selección. Para remediar estos problemas, proponemos un conjunto de métodos de EM LASSO adaptativos utilizando una variedad de pesos adaptativos a los datos. Mostramos teóricamente que los nuevos métodos son capaces de identificar consistentemente el modelo real, y los estimadores resultantes pueden ser tan eficientes como un oráculo. Los métodos son evaluados además a través de experimentos sintéticos extensos y aplicados a un conjunto de datos de demanda de atención médica en Alemania.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estimación de Máxima Verosimilitud y Bayes en la Distribución Geométrica con Censura Aleatoria
Artículo:
El uso del mapa de flujo de valor para introducir la innovación organizativa en la industria
Artículo:
Responsabilidad social empresarial: un reto, conceptualización y perspectivas
Tesis:
Un modelo fundamentado en teoría de restricciones y costeo basado en actividades para decisiones de mezcla de productos
Artículo:
Determinación de la preferencia en millennials de productos, presentaciones y envases de bebidas personales para el desayuno a través de análisis conjunto
Libro:
La crisis alimentaria: retos y oportunidades en los Andes
Informe, reporte:
Técnicas de recuperación de suelos contaminados
Norma:
Bombas centrífugas
Showroom:
Bombas centrífugas