10216.一類模糊logistic回歸模型的參數(shù)估計

1、ParameterEstimationofaFuzzyLogisticRegressiveModeIAThesisSubmittedtoNingxiaUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinProbabilityandMathematicalStatisticsChenYiDissertationSupervisor：Pro

2、fessorWeiLiliMarch，2016寧夏大學碩士學位論文中文摘要摘要Logistic回歸模型主要研究二分響應變量與影響結果的一些解釋變量之間的關系在這里解釋變量可以是離散型、連續(xù)型或混合型，且沒有假設分布響應變量∥=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平穩(wěn)分布為7r(z)的Markov鏈，并得到樣本，基于

3、此樣本進行各種統(tǒng)計推斷優(yōu)點是適用廣泛，且收斂速度不會降低本文首先利用MCMC方法對多元Logistic回歸模型中的參數(shù)進行估計，并將得到的估計結果與傳統(tǒng)用極大似然估計得到的估計結果相比較，結果發(fā)現(xiàn)：利用兩種估計方法得到的參數(shù)估計結果相近，極大似然估計得到的參數(shù)估計結果落在MCMC的95％的置信區(qū)間內，說明用MCMC估計參數(shù)的方法是可行的，結果是可靠的其次，針對二分類變量問題，經(jīng)典Logistic[]歸是合適的實際中由于不同原因導致觀測結

4、果不精確，響應變量處于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性現(xiàn)象，更自然和可行的措施是將響應變量用語言變量來表示，此時響應類別是相對模糊的狀態(tài)，且不能認為響應變量服從伯努利概率分布成功的概率P(Y=1)無法計算因此將Logistic[歸模型與模糊集理論相結和合作為一種新的模型，構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