Model identification procedures: theoretical aspects and practical implications

Abstract

Η παρούσα διπλωματική εργασία εκπονήθηκε στο Τμήμα Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών του Πανεπιστημίου Αιγαίου, στα πλαίσια του Προγράμματος Μεταπτυχιακών Σπουδών "Στατιστική και Ανάλυση Δεδομένων". Σκοπός της είναι η ανάλυση μέτρων απόστασης και κριτηρίων πληροφορίας αλλά κυρίως η διερεύνηση των επιδόσεων ενός νέου κριτηρίου πληροφορίας, του Pseudodistance Information Criterion (PIC).

Η δομή της διπλωματικής αποτελείται από τρία Κεφάλαια. Στο Κεφάλαιο 1, παρουσιάζονται μέτρα απόστασης και κριτήρια πληροφορίας. Ορίζονται κάποια από τα πιο γνωστά μέτρα απόστασης όπως το Kullback-Leibler αλλά και το BHHJ μέτρο. Επίσης, συζητιούνται τα πιο συνήθη κριτήρια επιλογής μοντέλου, όπως το Akaike Information Criterion (AIC) και οι παραλλαγές του, καθώς και το Bayesian Information Criterion (BIC).

Στο Κεφάλαιο 2, παρουσιάζονται πρόσφατα κριτήρια επιλογής μοντέλου όπως το Divergence Information Criterion (DIC) και το Modified Divergence Information Criterion (MDIC). Επιπλέον, παρουσιάζεται ένα νέο κριτήριο επιλογής μοντέλου, το Pseudodistance Information Criterion (PIC).

Τέλος, στο Κεφάλαιο 3, πραγματοποιείται μελέτη προσομοίωσης αλλά και μελέτη σε πραγματικά δεδομένα, με σκοπό να διερευνήσει την καταλληλότητα του νέου αυτού κριτηρίου.