ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Kaplan Meier's Bayesian Model under an Informative Prior Distribution Case: Integration Study of Unemployed Registered with the Local Employment Agency of Ain El Benian January 2011-July 2013

المصدر: مجلة الدراسات الاقتصادية والمالية
الناشر: جامعة الشهيد حمه لخضر الوادي - كلية العلوم الاقتصادية والتجارية وعلوم التسيير
المؤلف الرئيسي: Hamimes, Ahmed (Author)
مؤلفين آخرين: Benamirouche, Rachid (Co-Author)
المجلد/العدد: مج13, ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2020
الصفحات: 77 - 92
DOI: 10.37488/2057-013-001-006
ISSN: 1112-7961
رقم MD: 1155050
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
Bayesian Approach | Nonparametric Survival | Kaplan Meier Bayesian Estimator | Gibbs Sampling
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: Bayesian approach to nonparametric survival offers practical, simple and relatively easy solutions to exploit numerically. In this contribution, we will demonstrate the efficiency of the Bayesian approach in the modeling of durations and in an econometric context, we propose a new conception of the Kaplan Meier Bayesian estimator under an a priori informative law based on the stochastic approximation. Which here represents by Gibbs sampling. Our contribution is to improve the deductive stage in estimating nonparametric survival times and under censorship, and this is what we reached in our research.

L'approche bayésienne de la survie non paramétrique offre des solutions pratiques, simples et relativement faciles à exploiter numériquement. Dans cette contribution, nous démontrerons l'efficacité de l'approche de Bayes dans la modélisation de la durée et dans le contexte économétrique, en proposant un nouveau concept pour l'estimateur bayésien de Kaplan Meyer sous une loi informationnelle a priori basée sur l'approximation stochastique. Ce qui est représenté ici par l'échantillonnage de Gibbs. Notre contribution est d'améliorer la phase déductive dans l'estimation des temps de survie non paramétriques et sous censure, et c'est ce que nous avons trouvé dans nos recherches.

ISSN: 1112-7961