Scarlatina: a time series analysis

Máté, Kormos (2016) Scarlatina: a time series analysis. TDK dolgozat, BCE, Statisztika és ökonometriai szekció. Szabadon elérhető változat / Unrestricted version: http://publikaciok.lib.uni-corvinus.hu/publikus/tdk/20160322145723.pdf

[img]
Előnézet
PDF - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
1MB

Szabadon elérhető változat: http://publikaciok.lib.uni-corvinus.hu/publikus/tdk/20160322145723.pdf

Absztrakt (kivonat)

In this paper, some methods are taken into account to model the time series data of scarlet fever cases (also known as, by its latin name, scarlatina) in Hungary, relying on weekly data from 23rd March 1998 to 5th October 2015. The purpose of this paper is to select the most appropriate method for this task. The methods involved are machine learning techniques (boosting trees and support vector machine regression) and 'traditional' ones (nonlinear least squares, nonlinear Poisson, nonlinear negative binomial regression). First, discussed are the methods to be followed by the description of the exact models applied to the given data. Last, the comparison of the models is carried out on an independent dataset only to let the nonlinear Poisson regression emerge as the best one.

Tétel típus:TDK dolgozat
További információ:2. díj
Kulcsszavak:scarlet fever, scarlatina, count data, time-series, machine learning, poisson regression, negative binomial regression, nonlinear least squares, boosting trees, support vector machine
Témakör:Matematika. Ökonometria
Statisztika
Azonosító kód:10292
Képzés/szak:Applied Economics
Elhelyezés dátuma:07 Dec 2017 10:43
Utolsó változtatás:02 Dec 2021 08:18

Csak a repozitórium munkatársainak: tétel módosító lap