Semi-parametric marginal models for hierarchical data and their corresponding full models

Semi-parametric marginal models for hierarchical data and their corresponding full models

Semi-parametrically specified models for multivariate, longitudinal, clustered, multilevel, and other hierarchical data, particularly for non-Gaussian outcomes, are ubiquitous because their parameters can most often be conveniently estimated using the important class of generalized estimating equations (GEE). The focus here is on marginal models, to be understood as models that condition neithe...

a new approach to credibility premium for zero-inflated poisson models for panel data

هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...

Semi-parametric Inference for Copula Models for Truncated Data

We investigate the dependent relationship between two failure time variables that truncate each other. Chaieb, Rivest, and Abdous (2006) proposed a semiparametric model under the so-called “semi-survival” Archimedean-copula assumption and discussed estimation of the association parameter, the truncation probability, and the marginal functions. Here the same model assumption is adopted but diffe...

Semi-parametric Inference for Copula Models for Dependently Truncated Data

Linear Models for Functional Data

This article has no abstract.