Normalni linearni mešani modeli

delo diplomskega seminarja

Vida Maver (Avtor), Jaka Smrekar (Mentor)

Povzetek

Normalni linearni mešani modeli so modeli oblike $Y = X\beta + Z\alpha + \epsilon$ in zajemajo tako fiksne učinke $\beta$, kot tudi slučajne učinke $\alpha$. Pomembni predpostavki v teh modelih sta predpostavka normalne porazdeljenosti vektorja slučajnih učinkov $\alpha \sim N(0, \sigma^2I_n)$ in vektorja slučajnih odstopanj $\epsilon \sim N(0, \tau^2I_m)$, ki nista nujno enakih razsežnosti ter predpostavka neodvisnosti slučajnih vektorjev $\alpha$ in $\epsilon$. Variančne komponente v modelih, obravnavanih v diplomskem delu, se lahko ocenjuje po običajni in restringirani metodi največjega verjetja, med drugim pa tudi z uporabo metode iterativnega uteženega povprečja najmanjših kvadratov, z metodo analize varianc in z metodo kvadratičnega nepristranskega ocenjevanja minimalnih norm. V normalnih linearnih mešanih modelih se da konstrurati več različnih tipov intervalov zaupanja, med drugim eksaktne intervale zaupanja za variančne komponente in intervale zaupanja za fiksne učinke.

Ključne besede

matematika;normalni linearni mešani modeli;fiksni učinki;slučajni učinki;ocenjevanje;metoda največjega verjetja;restringirana metoda največjega verjetja;testi po metodi razmerja verjetij;intervali zaupanja;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2018
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UL FMF - Fakulteta za matematiko in fiziko
Založnik:	[V. Maver]
UDK:	519.2
COBISS:	18419033
Št. ogledov:	1112
Št. prenosov:	414
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Guassian linear mixed models
Sekundarni povzetek:	Gaussian linear mixed models can be expressed as $Y = X\beta + Z\alpha + \epsilon$, where vector $\beta$ represents fixed effects and vector $\alpha$ represents random effects. There are two important assumptions in these models. The first is the assumption that both, random effects $\alpha$ and errors $\epsilon$ are normally distributed, the former with mean zero and variance $\sigma^2$ and the latte with mean zero and variance $\tau^2$. The second important assumption is that random effects and errors are assumed to be independent. Variance components in Gaussian linear mixed models can be estimated with maximum likelihood method or with restricted maximum likelihood method. Variance components can also be estimated with iterative weighted least squares method, analysis of variance, or minimum norm quadratic unbiased estimation. Confidence intervals in Gaussian linear mixed models include exact confidence intervals for variance components and confidence intervals for fixed effects, among others.
Sekundarne ključne besede:	mathematics;Gaussian linear mixed models;fixed effects;random effects;estimation;ANOVA;maximum likelihood method;restricted maximum likelihood method;likelihood-ratio tests;confidence intervals;
Vrsta dela (COBISS):	Delo diplomskega seminarja/zaključno seminarsko delo/naloga
Študijski program:	0
Komentar na gradivo:	Univ. v Ljubljani, Fak. za matematiko in fiziko, Oddelek za matematiko, Finančna matematika - 1. stopnja
Strani:	36 str.
ID:	10956303