< Terug naar vorige pagina

Project

Niet-parametrisch modelleren van afhankelijke data.

Dit voorstel is gericht op het onderzoek van de belangrijke uitdagingen en open fundamentele problemen van niet-parametrische modellering voor afhankelijke gegevens. Niet-parametrische modellering voor afhankelijke data heeft aanzienlijk aan populariteit gewonnen bij zowel theoretici als practici vanwege de vaak niet-i.i.d (onafhankelijk en identisch verdeeld) aard van de gegevens uit de industrie, chemie, biologie, etc. De onderzoeksdoelstelling van dit project zijn samengevat in de volgende punten: Ontwikkelen van model selectie criteria die bestand zijn tegen het niet-i.i.d. karakter van de data. Ontwikkelen en uitbreiden van de Box-Jenkins modelstructuur voor niet-parametrische dynamische modellen. Ontwikkelen van puntsgewijze en uniforme betrouwbaarheidsintervallen voor afhamkelijke data Bestuderen van de asymptotische eigenschappen van de ontwikkelde schatters Om deze vooropgestelde doelstellingen te realiseren, gebruiken we een statistisch perspectief als kernmethodologie.
Datum:1 okt 2012 →  14 aug 2013
Trefwoorden:Nonparametric regression, Dependent data, Time series analysis, Model selection, Confidence intervals, Asymptotic statistics
Disciplines:Toegepaste wiskunde, Statistische en numerieke methoden, Andere ingenieurswetenschappen en technologie