Detailansicht
Statistical analysis and development of inference procedures post-model-selection
Danijel Kivaranovic
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Doctor of Philosophy-Doktoratsstudium Wirtschaftswissenschaften (Dissertationsgebiet: Statistik und Operations Research)
Betreuer*in
Hannes Leeb
DOI
10.25365/thesis.65528
URN
urn:nbn:at:at-ubw:1-12572.29765.430567-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Eigenschaften von Inferenzprozeduren der traditionellen Inferenzstatistik wurden in den letzten Jahrzehnten sehr detailiert analysiert. Auf der anderen Seite sind Inferenzprozeduren, die valide Inferenz nach Modellselektion ermöglichen, noch ein sehr junges und aktives Forschungsgebiet. Es ist sehr wichtig, diese Prozeduren aus analytischer Sicht zu verstehen. In dieser Doktorarbeit entwickeln wir neue und analysieren bestehende Inferenzprozeduren nach Modellselektion. Dabei betrachten wir Inferenzprozeduren für Populationsparameter und neue Beobachtungen eines zugrundeliegenden Datengenerierungsprozesses. Letzteres ist auch als prädiktive Inferenz bekannt. Wir haben analytische Ergebnisse zu der Länge von Konfidenzintervallen und wir entwickeln prädiktive Intervalle für komplexe Lern-Algorithmen und untypische Zielvariablen. Unsere Resultate basieren auf der Theorie der selektiven Inferenz sowie der konformalen Inferenz.
Abstract
(Englisch)
Properties of inference procedures from traditional inferential statistics were very well studied in the last decades. On the other hand, the development of prediction procedures that allow for valid inference post-model-selection is an emerging and highly active research area. It is very important to better understand these procedures from analytical perspective. In this thesis we propose new and analyze existing inference procedures post-model-selection. We consider inference procedures for population parameters and new observations of the underlying data generating process. The latter is also known as predictive inference. We provide analytical results on the length of confidence intervals and we propose prediction intervals for complex learning algorithms and non-standard targets. Our results are based on the theory of Selective Inference and Conformal Inference.
Schlagwörter
Schlagwörter
(Englisch)
Inference procedures model selection confidence intervals
Schlagwörter
(Deutsch)
Inferenzprozeduren Modellselektion Konfidenzintervalle
Autor*innen
Danijel Kivaranovic
Haupttitel (Englisch)
Statistical analysis and development of inference procedures post-model-selection
Paralleltitel (Deutsch)
Statistische Analyse und Entwicklung von Inferenzprozeduren nach Modellselektion
Publikationsjahr
2020
Umfangsangabe
v, 92 Seiten : Diagramme
Sprache
Englisch
Beurteiler*innen
Aaditya Ramdas ,
Efstathia Bura
Klassifikation
31 Mathematik > 31.73 Mathematische Statistik
AC Nummer
AC16245875
Utheses ID
58041
Studienkennzahl
UA | 794 | 370 | 136 |