免费论文摘要：CACE估计中几何题目的接洽

CACE(平衡按照因果效力)的接洽是底栖生物统计以及临床医术统计中格外要害的课题，近几十年来很多接洽者仍旧提出了洪量别致的表面模子。CACE接洽中包括两个要害题目，辨别是不平从题目和截止数据缺点和失误题目。在临床考查中，这两个题目是罕见的题目，忽视它们大概会惹起所接洽因果效力的有偏估量。正文的重要实质包括以次几局部： 开始，引见了CACE的接洽后台、接洽手段和意旨以及兴盛动静，并引见了CACE的少许计划常识，囊括CACE的设置、关系标记等。 其次，引见了CACE估量中最要害的两种估量：极大似然估量和贝叶斯估量。其余，给出了Logistic回归算法中一阶模子与二阶模子的比拟，截止表白二阶模子的图像不宁静。 再次，在原有简化模子的普通上，正文经过减少参数使模子搀杂化，而且随机天生所需的试验数据，而后比拟参数减少后CACE的变革情景。试验截止表白参数越搀杂，CACE值越大。 结果，将原有的一阶Logistic模子变为二阶Logistic模子，而且比拟二阶Logistic模子下的CACE的变革情景与一阶Logistic模子下的CACE的变革情景能否普遍。试验截止表白：在二阶Logistic模子下CACE值仍旧跟着原简化模子中参数的搀杂化而变大。同声，比拟了当参数均不为零时二阶Logistic模子下的CACE的变革情景和一阶Logistic模子下的CACE的变革情景，试验截止表白：变换Logistic模子的阶数所爆发的功效出入不大，然而仍旧不妨看出原简化模子参数越搀杂、Logistic模子越高阶所得的CACE值就越大、功效就越好。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/204529.html