سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 126 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:غیر الکلی چرب در اضافه وزن و چاقی
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره):31 (3)
سال انتشار:July–September 2015
شماره صفحات: 943951943-951
نشانگر دیجیتالی شیء:[ 10.1016/j.ijforecast.2014.12.001 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. International Journal Of Forecasting »
  4. Limitations of Ensemble Bayesian Model Averaging for forecasting social science problems

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.226.73.255

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

Limitations Of Ensemble Bayesian Model Averaging For Forecasting Social Science Problems


مقاله: غیر الکلی چرب در اضافه وزن و چاقی

نويسند‌گان:


خلاصه مقاله:


We compare the accuracies of simple unweighted averages and Ensemble Bayesian Model Averaging (EBMA) for combining forecasts in the social sciences. A review of prior studies from the domain of economic forecasting finds that the simple average was more accurate than EBMA in four studies out of five. On average, the error of EBMA was 5% higher than that of the simple average. A reanalysis and extension of a published study provides further evidence for US presidential election forecasting. The error of EBMA was 33% higher than the corresponding error of the simple average. Simple averages are easy both to describe and to understand, and thus are easy to use. In addition, simple averages provide accurate forecasts in many settings. Researchers who are developing new approaches to combining forecasts need to compare the accuracy of their method to this widely established benchmark. Forecasting practitioners should favor simple averages over more complex methods unless there is strong evidence in support of differential weights.


 


كلمات كليدي:

Economic forecasting , Equal weights, Bayesian analysis, Combining forecasts, Economic forecasting, Election forecasting, Equal weights
پیش بینی های اقتصادی , وزن مساوی , | پیش بینی ترکیب, پیش بینی اقتصادی, پیش بینی انتخابات, وزن برابر, Equal weights


موضوعات:

Business and International Management



[ ]

فهرست مقالات مرتبط و مشابه

  1. Montgomery, Jacob M., Hollenbach, Florian M., Ward, Michael D., Li, Kaigang, Raymond Bingham, C., Simons-Morton, Bruce G., Albert, Paul S. (2015) 'Calibrating ensemble forecasting models with sparse data in the social sciences', International Journal of Forecasting, Elsevier BV, pp:930-942
  2. Raftery, Adrian E., Balabdaoui, Fadoua, Gneiting, Tilmann, Polakowski, Michael (2003) 'Using Bayesian Model Averaging to Calibrate Forecast Ensembles', Defense Technical Information Center, pp:0-0
  3. Graefe, Andreas (2015) 'Conditions of Ensemble Bayesian Model Averaging for Political Forecasting', SSRN Electronic Journal, Social Science Electronic Publishing, pp:0-0
  4. Raftery, Adrian E., Gneiting, Tilmann, Balabdaoui, Fadoua, Polakowski, Michael (2005) 'Using Bayesian Model Averaging to Calibrate Forecast Ensembles', Mon. Wea. Rev., American Meteorological Society, pp:1155-1174
  5. Marty, R., Fortin, V., Kuswanto, H., Favre, A.-C., Parent, E. (2014) 'Combining the Bayesian processor of output with Bayesian model averaging for reliable ensemble forecasting', Journal of the Royal Statistical Society: Series C (Applied Statistics), Wiley-Blackwell, pp:75-92
  6. Logacheva, I. V., Ryazanova, T. A., Makarova, V. R., Surnina, O. V. (2019) 'Non-Alcoholic Fatty Liver Disease in Cardiac Patients with Overweight and Obesity', Russian Journal of Gastroenterology, Hepatology, Coloproctology, Russian Gastroenterolgocial Society, pp:-
  7. Sloughter, J. M., Gneiting, Tilmann, Raftery, Adrian E. (2008) 'Probabilistic Wind Speed Forecasting using Ensembles and Bayesian Model Averaging', Defense Technical Information Center, pp:0-0
  8. Vrugt, Jasper A., Clark, Martyn P., Diks, Cees G. H., Duan, Qinyun, Robinson, Bruce A. (2006) 'Multi-objective calibration of forecast ensembles using Bayesian model averaging', Geophys. Res. Lett., Wiley-Blackwell, pp:0-0
  9. Kim, Yongdai, Kim, Woosung, Ohn, Ilsang, Kim, Young-Oh (2017) 'Leave-one-out Bayesian model averaging for probabilistic ensemble forecasting', Communications for Statistical Applications and Methods, The Korean Statistical Society, pp:67-80
  10. Sloughter, J. Mclean , Gneiting, Tilmann , Raftery, Adrian E. (2010) 'Probabilistic Wind Speed Forecasting Using Ensembles and Bayesian Model Averaging', Journal of the American Statistical Association, Informa UK Limited, pp:25-35

 

فهرست مراجع و منابع




 

برگشت به بالا
× 🎁
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×