Documents  Critères de recherche : "La régression" | enregistrements trouvés : 60

In this lecture, we shall discuss the key steps involved in the use of least squares regression for approximating the solution to BSDEs. This includes how to obtain explicit error estimates, and how these error estimates can be used to tune the parameters of the numerical scheme based on complexity considerations.
The algorithms are based on a two stage approximation process. Firstly, a suitable discrete time process is chosen to approximate the of the continuous time solution of the BSDE. The nodes of the discrete time processes can be expressed as conditional expectations. As we shall demonstrate, the choice of discrete time process is very important, as its properties will impact the performance of the overall numerical scheme. In the second stage, the conditional expectation is approximated in functional form using least squares regression on synthetically generated data - Monte Carlo simulations drawn from a suitable probability distribution. A key feature of the regression step is that the explanatory variables are built on a user chosen finite dimensional linear space of functions, which the user specifies by setting basis functions. The choice of basis functions is made on the hypothesis that it contains the solution, so regularity and boundedness assumptions are used in its construction. The impact of the choice of the basis functions is exposed in error estimates.
In addition to the choice of discrete time approximation and the basis functions, the Markovian structure of the problem gives significant additional freedom with regards to the Monte Carlo simulations. We demonstrate how to use this additional freedom to develop generic stratified sampling approaches that are independent of the underlying transition density function. Moreover, we demonstrate how to leverage the stratification method to develop a HPC algorithm for implementation on GPUs.
Thanks to the Feynmann-Kac relation between the the solution of a BSDE and its associated semilinear PDE, the approximation of the BSDE can be directly used to approximate the solution of the PDE. Moreover, the smoothness properties of the PDE play a crucial role in the selection of the hypothesis space of regressions functions, so this relationship is vitally important for the numerical scheme.
We conclude with some draw backs of the regression approach, notably the curse of dimensionality. In this lecture, we shall discuss the key steps involved in the use of least squares regression for approximating the solution to BSDEs. This includes how to obtain explicit error estimates, and how these error estimates can be used to tune the parameters of the numerical scheme based on complexity considerations.
The algorithms are based on a two stage approximation process. Firstly, a suitable discrete time process is chosen to approximate the ...

65C05 ; 65C30 ; 93E24 ; 60H35 ; 60H10

... Lire [+]

- xvi; 637 p.
ISBN 978-1-4987-7529-8

Localisation : Ouvrage RdC (YOUN)

méthode de régression # diagnostic # inférence # régression linéaire # régression semi-paramétrique

62-XX ; 62Jxx ; 62J05 ; 62J02

... Lire [+]

- xiv; 698 p.
ISBN 978-3-642-34332-2

Localisation : Ouvrage RdC (REGR)

analyse de régression # modèle de régression # méthode de régression # régression paramétrique # régression non-paramétrique # régression semi-paramétrique

62Jxx ; 62J05 ; 62J12 ; 62-01 ; 62G08

... Lire [+]

- xiv; 236 p.
ISBN 978-0-470-88716-5

Wiley handbooks in applied statistics

Localisation : Ouvrage RdC (CHAT)

analyse de régression # corrélation # régression linéaire multiple # construction de modèles de régression # analyse de la variance # analyse de la covariance # régression logistique # régression multinomiale # régression non-linéaire

62-00 ; 62Jxx

... Lire [+]

- xx; 325 p.
ISBN 978-1-118-09728-1

Localisation : Ouvrage RdC (PARD)

analyse de régression # autorégression # statistiques # régression linéaire simple # régression linéaire multiple # construction de modèles de régression

62-01 ; 62J05 ; 62J12 ; 62P20

... Lire [+]

- xvi; 500 p.
ISBN 978-0-470-58247-3

Wiley series in probability and statistics

Localisation : Ouvrage RdC (HOSM)

régression logistique # modèle logistique multiple # modèle linéaire généralisé #
stratégies de modélisation # modèle d'échantillonnage

62J12 ; 62-02 ; 62J99 ; 62H17 ; 62Pxx

... Lire [+]

- xiii; 487 p.
ISBN 978-1-119-94549-9

Localisation : Ouvrage RdC (GALW)

statistiques # modèles multiniveaux # conception expérimentale # régression # analyse de la variance

62-01 ; 62J10 ; 62J05

... Lire [+]

- x; 561 p.
ISBN 978-1-107-00965-3

Cambridge series in statistical and probabilistic mathematics

Localisation : Ouvrage RdC (TUTZ)

analyse de régression # catégories # régression des données # analyse de données # régression non paramétrique # inférence linéaire

62-02 ; 62H99 ; 62J99

... Lire [+]

- xviii; 521 p.
ISBN 978-0-19-953302-2

Oxford statistical science series , 0036

Localisation : Ouvrage RdC (FAHR)

analyse de régression # statistique bayésienne # étude longitudinale # inférence bayésienne # regression non-paramétrique

62F15 ; 62G08 ; 62-02

... Lire [+]

- xviii; 553 p.
ISBN 978-0-521-19815-8

Localisation : Ouvrage RdC (HILB)

inférence statistique linéaire # modèle linéaire # régression de Poisson

62J99 ; 62-02 ; 62J12 ; 62-01

... Lire [+]

- xiv; 434 p.
ISBN 978-2-7108-0958-6

Localisation : Ouvrage RdC (APPR)

regression non paramétrique # analyse de régression # théorie de l'estimation

62G08

... Lire [+]

- ix; 199 p.
ISBN 978-981-4343-73-2

Localisation : Ouvrage RdC (PONS)

estimation multivariée # estimation non-paramétrique # estimation par noyau # série chronologique

62-02 ; 62H12 ; 62M10

... Lire [+]

- xvii; 448 p.
ISBN 978-0-471-37038-3

Wiley series in probability and statistics

Localisation : Ouvrage RdC (MICK)

statistiques # test d'hypothèse # estimation de points # régression linéaire # analyse de variance # plan en bloc # plan factoriel # ANOVA # régression # modèle fixe # modèle mixte # ANCOVA

62-01 ; 62F03 ; 62F10 ; 62J05 ; 62J10 ; 62K10 ; 62K15

... Lire [+]

- xi; 566 p.
ISBN 978-0-471-46943-8

Localisation : Ouvrage RdC (MULL)

SAS # ANOVA # regression multiple # biostatistiques # équation scalaire # GLM # ANCOVA # modèle linéaire

62-01 ; 62J05 ; 62J12

... Lire [+]

- xx; 303 p.
ISBN 978-0-471-97033-0

Localisation : Ouvrage RdC (PARD)

statistiques appliquées à l'économie # régrssion linéaire mutiple # construction de modèles de régression # inférence statistique linéaire # immobilier

62P20 ; 62-01 ; 62J05 ; 62J99 ; 90B99

... Lire [+]

- viii; 236 p.
ISBN 978-0-471-41664-7

Localisation : Ouvrage RdC (FREU)

analyse de regression # SAS

62Jxx

... Lire [+]

- x; 258 p.
ISBN 978-0-471-48307-6

Localisation : Ouvrage RdC (FREU)

Analyse de regression # JPM

62Jxx ; 62-04

... Lire [+]

- 251 p.
ISBN 978-0-521-85772-7

Localisation : Ouvrage RdC (HILB)

statistique # test d'hypothèses # évaluation des points # régression non linéaire # modèle des données censurées # correlation autorégressive # distribution béta # modèle binomial négatif

62-02 ; 62F03 ; 62F10 ; 62J02 ; 62N01

... Lire [+]

- 338 p.
ISBN 978-0-8247-9337-1

Textbooks and monographs , 0157

Localisation : Ouvrage RdC (EUBA)

regression non-paramétrique # statistique # spline # lissage # inférence bayesienne # estimateur non-paramétrique de la regression # test d'adéquation

62G08 ; 62-01 ; 65D07 ; 65D10 ; 62F15 ; 62G20 ; 62-02

... Lire [+]