10216.一類模糊logistic回歸模型的參數(shù)估計(jì)

1、ParameterEstimationofaFuzzyLogisticRegressiveModeIAThesisSubmittedtoNingxiaUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinProbabilityandMathematicalStatisticsChenYiDissertationSupervisor：Pro

2、fessorWeiLiliMarch，2016寧夏大學(xué)碩士學(xué)位論文中文摘要摘要Logistic回歸模型主要研究二分響應(yīng)變量與影響結(jié)果的一些解釋變量之間的關(guān)系在這里解釋變量可以是離散型、連續(xù)型或混合型，且沒有假設(shè)分布響應(yīng)變量∥=o，1](失敗，成功)通常服從伯努利分布，雖PE(Y)=P(Y=1)=丌，O7r1MCMC(MonteCarloMarkovChain)的基本思想是通過建立一個(gè)平穩(wěn)分布為7r(z)的Markov鏈，并得到樣本，基于

3、此樣本進(jìn)行各種統(tǒng)計(jì)推斷優(yōu)點(diǎn)是適用廣泛，且收斂速度不會(huì)降低本文首先利用MCMC方法對(duì)多元Logistic回歸模型中的參數(shù)進(jìn)行估計(jì)，并將得到的估計(jì)結(jié)果與傳統(tǒng)用極大似然估計(jì)得到的估計(jì)結(jié)果相比較，結(jié)果發(fā)現(xiàn)：利用兩種估計(jì)方法得到的參數(shù)估計(jì)結(jié)果相近，極大似然估計(jì)得到的參數(shù)估計(jì)結(jié)果落在MCMC的95％的置信區(qū)間內(nèi)，說明用MCMC估計(jì)參數(shù)的方法是可行的，結(jié)果是可靠的其次，針對(duì)二分類變量問題，經(jīng)典Logistic[]歸是合適的實(shí)際中由于不同原因?qū)е掠^測結(jié)

4、果不精確，響應(yīng)變量處于0，l之間，且沒有概率分布，變化的模型誤差不能完全歸功于隨機(jī)性現(xiàn)象，更自然和可行的措施是將響應(yīng)變量用語言變量來表示，此時(shí)響應(yīng)類別是相對(duì)模糊的狀態(tài)，且不能認(rèn)為響應(yīng)變量服從伯努利概率分布成功的概率P(Y=1)無法計(jì)算因此將Logistic[歸模型與模糊集理論相結(jié)和合作為一種新的模型，構(gòu)建了具有清晰輸入模糊輸出的模糊Logistic[歸模型，其中系數(shù)與輸出均用LR型模糊數(shù)表示用成功的可能性替代概率，這些可能性可以由一些語