?

Details
Table Card RUSMARC
Title: Разработка модели структурных уравнений со случайными эффектами: выпускная квалификационная работа магистра: направление 01.04.02 «Прикладная математика и информатика» ; образовательная программа 01.04.02_01 «Математическое моделирование в науке и индустрии»
Creators: Мещеряков Георгий Андреевич
Scientific adviser: Самсонова Мария Георгиевна
Other creators: Арефьева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2021
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Программирования языки; Вычислительные машины электронные — Моделирование; Уравнения; Математическое моделирование; структура популяции; случайные эффекты; Гауссовские процессы; population structure; random effects; Gaussian processes
UDC: 004.438; 004.414.23; 519.876.5
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Level of education: Master
Speciality code (FGOS): 01.04.02
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-1010
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\13771

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе была предложена новая линейная модель для моделирования структурными уравнениями, способная учитывать, в случае априорной известности таковой, гетерогенность выборки, которая может быть обусловленна различными факторами: географией, временем наблюдения или генетическим сродством. Модель была реализована на языке программирования Python и интегрирована в пакет semopy.

In this paper I propose a novel structural equation model that can take prior information on population stratification/non-independence of observations into an account; the lack of independence can be caused by a plethora of phenomena, such as spatial characteristics of individuals, temporal characteristics or genetic kinship. The proposed model has been implemented in the programming language Python and has been integrated into the semopy package.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Table of Contents

  • Введение
  • Материалы и методы
    • Основные понятия
    • История SEM
      • Анализ путей
      • Подтверждающий факторный анализ
      • SEM
    • Пример модели
    • Основная модель
      • Функции цели
      • Ординальные переменные
    • Модель с фиксированными эффектами
      • Функции цели
    • Модель со случайными эффектами
      • Функции цели
      • Ускорение за счёт совместной диагонализации
      • Группы
    • Модель с обобщёнными случайными эффектами
      • Функции цели
      • Модели случайных эффектов
    • Сравнение моделей и их ограничения
    • Методы оптимизации
      • Использование градиентного спуска
    • Статистическая значимость оценок
    • Оценка латентных факторов
    • Заполнение пропусков и регрессия
    • Синтаксис для записи моделей SEM
      • Операторы
    • Команды
    • Пример использования пакета
    • Генератор моделей
  • Результаты
    • Сравнение с предыдущей версией пакета
    • Сравнение методов на различных наборах моделей
    • Проверка работы ModelEffects на данных со структурой
  • Заключение
  • Список использованных источников
  • Приложение
  • Приложение
  • Приложение
  • Приложение
  • Приложение
  • Приложение

Usage statistics

stat Access count: 7
Last 30 days: 0
Detailed usage statistics