Generalized additive model for location, scale and shape (original) (raw)
In der Statistik sind verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter, auch generalisierte additive Modelle für Lokations-, Skalen- und Formparameter (englisch Generalized Additive Model for Location, Scale and Shape (GAMLSS)) moderne verteilungsbasierte Ansätze semiparametrischer Regression, die im Jahr 2005 von Rigby and Stasinopoulos vorgeschlagen wurden. GAMLSS-Modelle bauen auf verallgemeinerten linearen Modellen auf. Im Allgemeinen sind verallgemeinerte Regressionsmodelle Modelle, bei denen die Normalverteilungsannahme für y gelockert wurde und dann auch andere Verteilungen (hauptsächlich aus der Exponentialfamilie) angenommen werden können.Das statistische GAMLSS-Rahmenwerk ermöglicht die Anpassung flexibler Regressions- und Glättungsmodelle an die Daten. Das
| Property | Value |
|---|---|
| dbo:abstract | In der Statistik sind verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter, auch generalisierte additive Modelle für Lokations-, Skalen- und Formparameter (englisch Generalized Additive Model for Location, Scale and Shape (GAMLSS)) moderne verteilungsbasierte Ansätze semiparametrischer Regression, die im Jahr 2005 von Rigby and Stasinopoulos vorgeschlagen wurden. GAMLSS-Modelle bauen auf verallgemeinerten linearen Modellen auf. Im Allgemeinen sind verallgemeinerte Regressionsmodelle Modelle, bei denen die Normalverteilungsannahme für y gelockert wurde und dann auch andere Verteilungen (hauptsächlich aus der Exponentialfamilie) angenommen werden können.Das statistische GAMLSS-Rahmenwerk ermöglicht die Anpassung flexibler Regressions- und Glättungsmodelle an die Daten. Das GAMLSS-Modell geht davon aus, dass die Antwortvariable eine beliebige Parameterverteilung aufweist, die stark oder schwach und positiv oder negativ schief sein kann. Zusätzlich können alle Parameter der Verteilung [ Lageparameter (z. B. Mittelwert), Skalenparameter (z. B. Varianz) und Formparameter (Schiefe und Wölbung) ] als lineare, nichtlineare oder Glättungsfunktion von erklärenden Variablen modelliert werden. (de) The Generalized Additive Model for Location, Scale and Shape (GAMLSS) is an approach to statistical modelling and learning. GAMLSS is a modern distribution-based approach to (semiparametric) regression. A parametric distribution is assumed for the response (target) variable but the parameters of this distribution can vary according to explanatory variables using linear, nonlinear or smooth functions. In machine learning parlance, GAMLSS is a form of supervised machine learning. In particular, the GAMLSS statistical framework enables flexible regression and smoothing models to be fitted to the data. The GAMLSS model assumes the response variable has any parametric distribution which might be heavy or light-tailed, and positively or negatively skewed. In addition, all the parameters of the distribution [location (e.g., mean), scale (e.g., variance) and shape (skewness and kurtosis)] can be modeled as linear, nonlinear or smooth functions of explanatory variables. (en) |
| dbo:wikiPageExternalLink | http://arrow.unisa.edu.au:8081/1959.8/62400 http://gamlss.org/images/stories/papers/Distributions-2010-onlyThetable.pdf http://manual.gamlss.org/ http://packages.gamlss.org/ http://www.gamlss.org/ http://www.agu.org/pubs/crossref/2009/2008WR007645.shtml http://epub.ub.uni-muenchen.de/6260/ http://gamlss.org/images/stories/papers/gamlssreferencecard.pdf http://www.gamlss.org/images/stories/papers/book-2008-27-6-08.pdf https://archive.today/20130105085453/http:/www3.interscience.wiley.com/journal/121547617/abstract https://doi.org/10.1007%2F978-90-481-3335-2_10 https://www.who.int/childgrowth/en |
| dbo:wikiPageID | 27406611 (xsd:integer) |
| dbo:wikiPageLength | 13234 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1073734880 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Probability_distribution dbr:Non-parametric dbr:Dependent_and_independent_variables dbr:Kurtosis dbr:Mean dbr:Generalized_additive_model dbr:Generalized_linear_model dbc:Semi-parametric_models dbr:Location_parameter dbr:Machine_learning dbr:Statistical_model dbr:Exponential_family dbc:Generalized_linear_models dbr:Count_data dbr:Explanatory_variable dbr:R_(programming_language) dbr:Scale_parameter dbr:Skewness dbr:Shape_parameter dbr:Leptokurtic dbr:Discrete_distribution dbr:Random_effect dbr:Continuous_distribution dbr:Platykurtic dbr:Semiparametric dbr:Over-dispersion |
| dbp:bot | InternetArchiveBot (en) |
| dbp:date | December 2019 (en) |
| dbp:fixAttempted | yes (en) |
| dbp:wikiPageUsesTemplate | dbt:Cite_journal dbt:Dead_link dbt:Reflist dbt:Use_dmy_dates |
| dct:subject | dbc:Semi-parametric_models dbc:Generalized_linear_models |
| gold:hypernym | dbr:Model |
| rdf:type | dbo:Person |
| rdfs:comment | In der Statistik sind verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter, auch generalisierte additive Modelle für Lokations-, Skalen- und Formparameter (englisch Generalized Additive Model for Location, Scale and Shape (GAMLSS)) moderne verteilungsbasierte Ansätze semiparametrischer Regression, die im Jahr 2005 von Rigby and Stasinopoulos vorgeschlagen wurden. GAMLSS-Modelle bauen auf verallgemeinerten linearen Modellen auf. Im Allgemeinen sind verallgemeinerte Regressionsmodelle Modelle, bei denen die Normalverteilungsannahme für y gelockert wurde und dann auch andere Verteilungen (hauptsächlich aus der Exponentialfamilie) angenommen werden können.Das statistische GAMLSS-Rahmenwerk ermöglicht die Anpassung flexibler Regressions- und Glättungsmodelle an die Daten. Das (de) The Generalized Additive Model for Location, Scale and Shape (GAMLSS) is an approach to statistical modelling and learning. GAMLSS is a modern distribution-based approach to (semiparametric) regression. A parametric distribution is assumed for the response (target) variable but the parameters of this distribution can vary according to explanatory variables using linear, nonlinear or smooth functions. In machine learning parlance, GAMLSS is a form of supervised machine learning. (en) |
| rdfs:label | Verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter (de) Generalized additive model for location, scale and shape (en) |
| owl:sameAs | freebase:Generalized additive model for location, scale and shape wikidata:Generalized additive model for location, scale and shape dbpedia-de:Generalized additive model for location, scale and shape https://global.dbpedia.org/id/4kQHi |
| prov:wasDerivedFrom | wikipedia-en:Generalized_additive_model_for_location,_scale_and_shape?oldid=1073734880&ns=0 |
| foaf:homepage | http://www.gamlss.org/ |
| foaf:isPrimaryTopicOf | wikipedia-en:Generalized_additive_model_for_location,_scale_and_shape |
| is dbo:wikiPageRedirects of | dbr:Generalized_additive_model_for_location,_scale,_and_shape dbr:GAMLSS dbr:Generalized_Additive_Model_Location,_Scale_and_Shape_(GAMLSS) |
| is dbo:wikiPageWikiLink of | dbr:Generalized_additive_model dbr:Generalized_additive_model_for_location,_scale,_and_shape dbr:List_of_statistics_articles dbr:GAMLSS dbr:Generalized_Additive_Model_Location,_Scale_and_Shape_(GAMLSS) |
| is foaf:primaryTopic of | wikipedia-en:Generalized_additive_model_for_location,_scale_and_shape |