统计学 > 应用
[提交于 2025年7月16日
]
标题: 使用可信度理论预测子种群死亡率
标题: Forecasting sub-population mortality using credibility theory
摘要: 本文的重点是预测作为更大超种群部分的小子种群的死亡率。 在这种情况下,假设可以为超种群生成可靠的预测,但如果单独建模,小子种群可能太小或缺乏足够的历史数据以生成可靠的预测。 这种设置与可信度理论的基本思想一致,在本文中,经典的可信度理论方法被扩展,以处理未来死亡率由潜在随机过程驱动的情况,例如Lee-Carter类型模型的情况。 这导致了小子种群的可信度预测器,这些预测器是预期未来超种群死亡率和预期未来小子种群特定死亡率的加权平均值。 由于预测器的简单结构,可以推导出预测均方误差的显式表达式。 此外,所提出的可信度建模方法不依赖于超种群模型的具体形式,使其无论选择何种超种群的预测模型都具有广泛的应用性。 所建议的小子种群可信度预测器的性能在模拟人口数据上进行了说明。 这些示例突出了可信度预测器如何在仅使用超种群模型和仅使用可能不可靠的小子种群特定模型之间起到折中作用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.