Posted on Categories:Generalized linear model, 广义线性模型, 统计代写, 统计代考

# 统计代写|广义线性模型代写Generalized linear model代考|STAT3022 Approximate Confidence Intervals for Variance Components

avatest™

## avatest™帮您通过考试

avatest™的各个学科专家已帮了学生顺利通过达上千场考试。我们保证您快速准时完成各时长和类型的考试，包括in class、take home、online、proctor。写手整理各样的资源来或按照您学校的资料教您，创造模拟试题，提供所有的问题例子，以保证您在真实考试中取得的通过率是85%以上。如果您有即将到来的每周、季考、期中或期末考试，我们都能帮助您！

•最快12小时交付

•200+ 英语母语导师

•70分以下全额退款

## 统计代写|广义线性模型代写Generalized linear model代考|Approximate Confidence Intervals for Variance Components

Satterthwaite (1946) proposed a method, which extended an earlier approach of Smith (1936), for balanced ANOVA models. The goal was to construct a confidence interval for a quantity in the form $\zeta=\sum_{i=1}^h c_i \lambda_i$, where $\lambda_i=\mathrm{E}\left(S_i^2\right)$ and $S_i^2$ is the mean sum of squares corresponding to the $i$ th factor (fixed or random) in the model (e.g., Scheffé 1959). Note that many variance components can be expressed in this form; for example, the variance of $y_{i j}, \sigma^2+\tau^2$, in Example 2.3 can be expressed as $(1 / k) \mathrm{E}\left(S_1^2\right)+(1-1 / k) \mathrm{E}\left(S_2^2\right)$, where $S_1^2$ is the mean sum of squares corresponding to $\alpha$ and $S_2^2$ corresponding to $\epsilon$. The idea was to find an appropriate “degrees of freedom,” say, $d$, such that the first two moments of the random variable $d \sum_{i=1}^h c_i S_i^2 / \zeta$ match those of a $\chi_d^2$ random variable. This approach is known as Satterthwaite’s procedure. Graybill and Wang (1980) proposed a method that improved Satterthwaite’s procedure. The authors called their method the modified large-sample (MLS) method. The method provides an approximate confidence interval for a nonnegative linear combination of the $\lambda_i \mathrm{~s}$, which is exact when all but one of the coefficients in the linear combination are zero. We describe the Graybill-Wang method for the special case of balanced one-way random effects model (Example 2.2).

Suppose that one is interested in constructing a confidence interval for $\zeta=$ $c_1 \lambda_1+c_2 \lambda_2$, where $c_1 \geq 0$ and $c_2>0$. This problem is equivalent to constructing a confidence interval for $\zeta=c \lambda_1+\lambda_2$, where $c \geq 0$. A uniformly minimum variance unbiased estimator (UMVUE, e.g., Lehmann and Casella 1998) of the quantity is given by $\hat{\zeta}=c S_1^2+S_2^2$. Furthermore, it can be shown that $\hat{\zeta}$ is asymptotically normal such that $(\hat{\zeta}-\zeta) / \sqrt{\operatorname{var}(\hat{\zeta})}$ has a limiting $N(0,1)$ distribution (Exercise 2.16).

## 统计代写|广义线性模型代写Generalized linear model代考|Simultaneous Confidence Intervals

Hartley and Rao (1967) derived a simultaneous confidence region for the variance ratios $\gamma_r=\sigma_r^2 / \tau^2, r=1, \ldots, s$ (i.e., the Hartley-Rao form of variance components; see Sect. 1.2.1.1) in a Gaussian mixed ANOVA model based on maximum likelihood estimation. The Hartley-Rao confidence region is quite general, that is, it applies to a general mixed ANOVA model, balanced or unbalanced. On the other hand, in some special cases, different methods may result in confidence intervals that are easier to interpret. For example, Khuri (1981) developed a method of constructing simultaneous confidence intervals for all continuous functions of variance components in the balanced random effects model (see the end of Sect. 1.2.1), a special case of the mixed ANOVA model.

It should be noted that, provided that one knows how to construct confidence intervals for the individual variance components, then, by Bonferroni inequality, a conservative simultaneous confidence interval for the variance components can always be constructed. Suppose that $\left[L_k, U_k\right]$ is a $\left(1-\rho_k\right) \%$ confidence interval for the variance component $\theta_k, k=1, \ldots, q$. Then, by Bonferroni inequality, the set of intervals $\left[L_k, U_k\right], k=1, \ldots, q$ are (conservative) simultaneous confidence intervals for $\theta_k, k=1, \ldots, q$ with confidence coefficient greater than or equal to $1-\sum_{k=1}^q \rho_k$.

## 统计代写|广义线性模型代写Generalized linear model代 考|Approximate Confidence Intervals for Variance Components

Satterthwaite (1946) 提出了一种方法，它扩展了 Smith (1936) 的早期方法，用于平衡方差分析 模型。目标是为以下形鿈的数量构建置信区间 $\zeta=\sum_{i=1}^h c_i \lambda_i$ ，在哪里 $\lambda_i=\mathrm{E}\left(S_i^2\right)$ 和 $S_i^2$ 是对应 于 $i$ 模型中的第 th 个因素 (固定或随机) (例如，Scheffé 1959)。请注意，许多方差分量都可以 用这种形式表示; 例如，方差 $y_{i j}, \sigma^2+\tau^2$ ，在例2.3中可表示为
$(1 / k) \mathrm{E}\left(S_1^2\right)+(1-1 / k) \mathrm{E}\left(S_2^2\right)$ ， 在哪里 $S_1^2$ 是对应于 $\alpha$ 和 $S_2^2$ 对应于 $\epsilon$. 这个想法是为了找到一 个合适的“自由度”，比如哾， $d$, 这样随机变量的前两个时刻 $d \sum_{i=1}^h c_i S_i^2 / \zeta$ 匹配一个 $\chi_d^2$ 随机变量。 这种方法称为 Satterthwaite 程序。Graybill 和 Wang (1980) 提出了一种改进 Satterthwaite 程 序的方法。作者将他们的方法称为改进的大样本 (MLS) 方法。该方法为以下项的非负线性组合提供 近似置信区间 $\lambda_i \mathrm{~s}$ ，当线性组合中除一个系数外的所有系数均为零时，这是准确的。我们描述了 Graybill-Wang 方法用于平衡单向随机效应模型的特殊情况 (示例 2.2)。

## 统计代写|广义线性模型代写Generalized linear model代 z- Simultaneous Confidence Intervals

Hartley 和 Rao (1967) 导出了方差比的同时置信区域 $\gamma_r=\sigma_r^2 / \tau^2, r=1, \ldots, s$ (即方差分量的 Hartley-Rao 形式；参见第 1.2.1.1 节) 在基于最大似然估计的高斯混合方差分析模型中。HartleyRao 置信区域非常普遍，也就是说，它适用于一般混合方差分析模型，平衡或不平衡。另一方面， 在某些特殊情况下，不同的方法可能会导致更容易解释的置信区间。例如，Khuri (1981) 开发了一 种为平衡随机效应模型 (见第 1.2.1 节结尾) 中方差分量的所有连续函数构建同时置信区间的方法， 这是混合方差分析模型的一个特例。

## MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。