Universidade de Lisboa Repositório da Universidade de Lisboa

Repositório da Universidade de Lisboa >
Faculdade de Psicologia e Ciências da Educação (FPCE) >
FPCE - Comunicações >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10451/4713

Título: Comparison of Mixture and Classification Maximum Likelihood Approaches in Poisson Regression Models
Autor: Faria, Susana
Soromenho, Gilda
Palavras-chave: Simulation study
EM algorithm
Mixture Poisson Regression Models
Classification EM algorithm
Issue Date: Aug-2008
Citação: Compstat 2008-Proceedings in Computational Statistics, Vol. 2
Resumo: In this work, we propose to compare two algorithms to compute maximum likelihood estimators of the parameters of a mixture Poisson regression models. To estimate these parameters, we may use the EM algorithm in a mixture approach or the CEM algorithm in a classification approach. The comparison of the two procedures was done through a simulation study of the performance of these approaches on simulated data sets in a target number of iterations. Simulation results show that the CEM algorithm is a good alternative to the EM algorithm for fitting Poisson mixture regression models, having the advantage of converging more quickly.
Arbitragem científica: yes
URI: http://hdl.handle.net/10451/4713
Appears in Collections:FPCE - Comunicações

Files in This Item:

File Description SizeFormat
artigo15-01.pdf207 kBAdobe PDFView/Open
Statistics
FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

  © Universidade de Lisboa / SIBUL
Alameda da Universidade | Cidade Universitária | 1649-004 Lisboa | Portugal
Tel. +351 217967624 | Fax +351 217933624 | repositorio@reitoria.ul.pt - Feedback - Statistics
DeGóis
  Estamos no RCAAP Governo Português separator Ministério da Educação e Ciência   Fundação para a Ciência e a Tecnologia

Financiado por:

POS_C UE