×

Application of spatial auto-beta models in statistical classification. (English) Zbl 07602765


MSC:

62-XX Statistics
92-XX Biology and other natural sciences
Full Text: DOI

References:

[1] A. Batsidis, K. Zografos. Errors of misclassification in discrimination of dimensional coherent elliptic random field observations. Stat. Neerl., 65(4):446-461, 2011. · Zbl 07881878
[2] J. Besag. Spatial interactions and the statistical analysis of lattice systems. J. R. Stat. Soc. B, 148(4):1-36, 1974.
[3] E.D. Cepeda, A.V. Nunez. Spatial double generalized beta regression models extensions and application to study quality of education in Colombia. J. Educat. Behav. Stat., 38:604-628, 2013.
[4] L. Dreiziene, K. Ducinskas, L. Saltyte-Vaisiauske. Statistical classification of multi-variate conditionally autoregressive Gaussian random field observations. Spat. Stat., 28:216-225, 2018.
[5] K. Ducinskas. Approximation of the expected error rate in classification of the Gaussian random field observations. Stat. Probab. Lett., 79:138-144, 2009. · Zbl 1155.62047
[6] K. Ducinskas, L. Dreiziene. Risks of classification of the Gaussian Markov random field observations. J. Classif., 35:422-436, 2018. · Zbl 1422.62217
[7] K. Dučinskas, L. Dreižienė, E. Zikarienė. Multiclass classification of the scalar Gaussian random field observation with known spatial correlation function. Stat. Prob. Lett., 98:107-114, 2015. https://doi.org/10.1016/j.spl.2014.12.008. · Zbl 1308.62130 · doi:10.1016/j.spl.2014.12.008
[8] K. Dučinskas, E. Zikarienė. Actual error rates in classification of the t-distributed random field observation based on plug-in linear discriminant function. Informatica, 26(4):557-568, 2015. · Zbl 06867745
[9] C. Hardouin, Y. Jian-Feng. Multi-parameter auto-models and their application. Biometrika, 95(2):335-349, 2008. · Zbl 1437.62490
[10] M.S. Kaiser, N. Cressie, J. Lee. Spatial mixture models based on exponential family conditional distributions. Stat. Sinica, 12:449-474, 2002. · Zbl 0998.62079
[11] B.M. Lagos-Álvarez, R. Fustos-Toribio, J. Figueroa-Zú niga. Geostatistical mixed beta regression: a Bayesian approach. Stoch. Environ. Res. Risk Assess., 31:571-584, 2017.
[12] J. Moller. Perfect simulation of conditionally specified models. J. R. Stat. Soc. Ser. B, 61(1):251-264, 1999. · Zbl 0937.60035
[13] H. Zhang. On estimation and prediction for spatial generalized linear mixed models. Biometrics, 58(1):129-136, 2002. REZIUMĖ Erdvinių auto-beta modelių taikymas statistiniame klasifikavime E. Zikarienė, K. Dučinskas · Zbl 1209.62161
[14] Straipsnyje pristatomos naujos statistinio klasifikavimo taisyklės erdviams auto-beta modeliams. Jos paremtos sąlygine Bajeso ir tiesine diskriminantinėmis funkcijomis. Sprendžiamas uždavinys, kai erdvės taškas klasifikuojamas į 1 iš 2 populiacijų, su žinoma požymo reikšme ir mokymo aibe. Populiacijos apibrėžiamos regresoriais, bendraisiais ir klasių parametrais. Visi skaičiavimai atlikti simuliuotiems duomenims, su keletu skirtingų modelio parametrų rinkinių. Siūlomos klasifikavimo taisyklės palyginamos skaičiuojant tikrąją klasifikavimo klaidą, su skirtingais apriorinių tikimybių vertinimais.
[15] Raktiniai žodžiai: Bajeso diskriminantinė funkcija; tiesinė diskriminantinė funkcija; tikroji klasifika-vimo klaida; prižiūrimas klasifikavimas
This reference list is based on information provided by the publisher or from digital mathematics libraries. Its items are heuristically matched to zbMATH identifiers and may contain data conversion errors. In some cases that data have been complemented/enhanced by data from zbMATH Open. This attempts to reflect the references listed in the original paper as accurately as possible without claiming completeness or a perfect matching.