Εντοπίστηκε ένα σφάλμα στη λειτουργία της ΠΥΞΙΔΑΣ όταν χρησιμοποιείται μέσω του προγράμματος περιήγησης Safari. Μέχρι να αποκατασταθεί το πρόβλημα, προτείνουμε τη χρήση εναλλακτικού browser όπως ο Chrome ή ο Firefox. A bug has been identified in the operation of the PYXIDA platform when accessed via the Safari browser. Until the problem is resolved, we recommend using an alternative browser such as Chrome or Firefox.
Λογότυπο αποθετηρίου

Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας

Μόνιμο URI για αυτήν την κοινότηταhttps://pyxida.aueb.gr/handle/123456789/2

Η Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας περιλαμβάνει τα Τμήματα: - Τμήμα Πληροφορικής - Τμήμα Στατιστικής

Περιήγηση

Πλοήγηση Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας ανά Επιβλέπων "Besbeas, P."

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 3 από 3
  • Μικρογραφία εικόνας
    Τεκμήριο
    A comparison of Monte Carlo goodness of fit procedures
    (22-06-2016) Sofianos, Spyridon; Athens University of Economics and Business, Department of Statistics; Besbeas, P.
    Goodness of fit is an important part of inference. Standard approaches such as chi-square method and bootstrap are asymptotic or highly time consuming. In this thesis we evaluate a new method of calibrated simulation proposed by Besbeas and Morgan (2014). We explore a new variant of the method and we compare the method against the bootstrap. The approaches of chi-square, bootstrap and calibrated simulation to check the goodness of fit of models are introduced and illustrated using real data.Ο έλεγχος καλής προσαρμογής είναι ένα σημαντικό κομμάτι της στατιστικής επιστήμης. Κλασσικές προσεγγίσεις είναι το κριτήριο χ2 και η μέθοδος bootstrap. Και οι δύο μέθοδοι είναι ασυμπτωτικές και χρειάζονται πολύ χρόνο για να παράξουν αποτελέσματα. Σε αυτή την εργασία εφαρμόζουμε μια καινούργια μέθοδο ρυθμιζόμενη προσομοίωσης που προτάθηκε από τους Besbeas and Morgan (2014). Θα εξερευνήσουμε μια καινούργια παραλλαγή της μεθόδου και θα την συγκρίνουμε με αυτή του bootstrap. Οι μέθοδοι του κριτήριου χ2, του bootstrap, και της ρυθμιζόμενης προσομοίωσης για να ελέγξουμε την καλή προσαρμογή μοντέλων παρουσιάζονται και αναπτύσονται παρακάτω χρησιμοποιώντας πραγματικά δεδομένα
  • Μικρογραφία εικόνας
    Τεκμήριο
    Home range analysis of real telemetry data of a greylag goose inhabiting the Prespa lakes, northwestern Greece
    (Athens University of Economics and Business, 03-2015) Boleti, Christina K.; Besbeas, P.
    Thesis - Athens University of Economics and Business. Postgraduate, Department of Statistics
  • Μικρογραφία εικόνας
    Τεκμήριο
    Modelling count data using independent mixture and Hidden Markov models
    (12/21/2017) Papoulias, Ioannis; Athens University of Economics and Business. Department of Statistics; Besbeas, P.
    The most common distribution for modeling unbounded count data is the Poisson distribution as applications of the Poisson distribution are widely spread in the literature. However, in many real-world scenarios the sample variance is greater than the sample mean and the observation are dependent.In this thesis, I address these problems by proposing at first modeling count data using Negative Binomial distribution. Secondly, by using independent mixture models with Poisson and Negative Binomial distribution.Lastly, by using Poisson and Negative Binomial Hidden Markov Models. Hidden Markov models (HMMs) are a popular approach for modeling sequential data, typically based on the assumption of a first or higher-order Markov chain. I devise efficient training and inference algorithms for my models and I demonstrate the efficacy and usefulness of my approach for strong dependent count data.