Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Statistical learning based on vine copulas with societal applications
Übersetzter Titel:
Statistisches Lernen auf der Grundlage von Vine Copulas mit Anwendungen im sozialen Bereich
Autor:
Şahin, Özge
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Czado, Claudia (Prof., Ph.D.)
Gutachter:
Czado, Claudia (Prof., Ph.D.); Manner, Hans (Prof. Dr.); Joe, Harry (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
MAT Mathematik
TU-Systematik:
MAT 620
Kurzfassung:
Statistical learning literature has been tremendously growing in recent years. However, modeling complex dependence structures explicitly and interpreting model results for actionable insights simultaneously have not yet been handled well. Vine copulas are flexible and interpretable multivariate distribution functions that model complex data dependence structures. Thus, to bridge the gap, we develop statistical learning algorithms using vine copulas and show some societal applications.
Übersetzte Kurzfassung:
Die Literatur statistisches Lernen ist in den letzten Jahren enorm gewachsen. Die explizite Modellierung komplexer Abhängigkeitsstrukturen und die gleichzeitige Interpretation der Modellergebnisse für verwertbare Erkenntnisse sind noch nicht gut gelöst. Vine Copulas sind flexible multivariate Verteilungsfunktionen, die komplexe Datenabhängigkeitsstrukturen modellieren. Wir entwickeln daher statistische Lernalgorithmen, die Vine Copulas verwenden und zeigen einige gesellschaftlichen Anwendungen.
WWW:
https://mediatum.ub.tum.de/?id=1700564
Eingereicht am:
23.02.2023
Mündliche Prüfung:
14.06.2023
Dateigröße:
5313393 bytes
Seiten:
163
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230614-1700564-1-5
Letzte Änderung:
04.07.2023
 BibTeX