As already argued by Hartig and Dor

As already argued by Hartig and Dormann (2013), parametric
approaches offer the advantages of transferability and theoretical
understanding which are lacking in nonparametric methods. They
further enable to mobilize previous knowledge on the system studied
through prior distributions in Bayesian analyses. The aim of this
contribution is to demonstrate that parametric approaches are currently
also preferable in a forecasting perspective, using the thetalogistic
example of Perretti et al. (2013c). Two key comparative
advantages of parametric approaches over nonparametric ones will
be detailed. First, the likelihood of parametric forecasting failure can
be diagnosed thanks to simple Bayesian model checking procedures.
Indeed, the convergence of a parametric inference method does not
ensure that the fitted model is a satisfactory representation of the
data. Simple methods are available to check, with minor computing
costs, the ability of the fitted model to recover major data characteristics
(Rubin, 1984; Gelman et al., 1996). In cases where the fitted
model fails at such model checking tests, modifications of the model
should be sought, before any reliable predictions can be made. Second,
when parametric forecasting is diagnosed to be reliable, forecasting
uncertainty can be estimated thanks to virtual data generated with the
fitted to data parametric model. This second advantage enables to
complement a forecast with a detailed understanding of its inherent
limitations. These two key advantages enable scientists to enrich their
forecasts with a description of their reliability

ผลลัพธ์ (ไทย) 1:

เป็นโต้เถียง โดย Hartig และ Dormann (2013), พาราเมตริกวิธีนำเสนอประโยชน์ ของ transferability และทฤษฎีความเข้าใจที่ไม่มีในวิธี nonparametric การ พวกเขาเปิดใช้งานเพิ่มเติม เพื่อระดมความรู้ก่อนหน้านี้ระบบศึกษาผ่านการกระจายที่ก่อนหน้านี้ในการวิเคราะห์ทฤษฎี จุดมุ่งหมายนี้ส่วนจะแสดงให้เห็นถึงแนวทางพาราเมตริกอยู่นอกจากนี้ยังเหมาะกับการคาดการณ์มุมมอง thetalogistic ใช้ตัวอย่างของ Perretti et al. (2013c) เปรียบเทียบคีย์สองข้อดีของแนวทางพาราเมตริกผ่าน nonparametric จะมีรายละเอียด ครั้งแรก ความเป็นไปได้ของความล้มเหลวที่คาดการณ์พาราเมตริกสามารถได้รับการวิเคราะห์ ด้วยแบบจำลองทฤษฎีเรื่องขั้นตอนการตรวจสอบแน่นอน การบรรจบกันของพาราเมตริกข้อวิธีไม่ได้ให้แน่ใจว่าแบบจำลองการจัดแสดงเป็นที่พอใจของการข้อมูล วิธีการง่าย ๆ มีการตรวจสอบ คอมพิวเตอร์รองต้นทุน ความสามารถของแบบจำลองการจัดการกู้คืนข้อมูลที่สำคัญลักษณะ(Rubin, 1984 เกลแมน et al., 1996) ในกรณีที่การผ่อนแบบจำลองล้มเหลวในรูปแบบเช่นการตรวจสอบทดสอบ ปรับเปลี่ยนรูปแบบควรขอ ก่อนที่จะสามารถทำการคาดคะเนความน่าเชื่อถือ วินาทีเมื่อคาดการณ์พาราเมตริกคือวินิจฉัยให้ความน่าเชื่อถือ การคาดการณ์ความไม่แน่นอนที่สามารถประเมิน ด้วยข้อมูลเสมือนที่สร้างขึ้นด้วยการพอดีกับข้อมูลรูปแบบพาราเมตริก ประโยชน์ที่สองนี้ช่วยให้สามารถเติมเต็มการคาดการณ์ ด้วยความเข้าใจรายละเอียดของมันโดยธรรมชาติข้อจำกัดใด ๆ ประโยชน์ที่สำคัญเหล่านี้สองนักวิทยาศาสตร์แก่ผู้ที่เปิดใช้งานของพวกเขาคาดการณ์ ด้วยคำอธิบายของความน่าเชื่อถือของพวกเขา

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็นที่ถกเถียงกันอยู่แล้วโดย Hartig และ Dormann (2013),
พาราวิธีมีข้อดีของการถ่ายโอนและทฤษฎีความเข้าใจซึ่งจะขาดในวิธีการ
nonparametric พวกเขาต่อไปเปิดใช้งานเพื่อระดมความรู้ก่อนในระบบการศึกษาผ่านการแจกแจงก่อนในการวิเคราะห์แบบเบย์ จุดมุ่งหมายของการมีส่วนร่วมคือการแสดงให้เห็นว่าวิธีการที่ตัวแปรมีอยู่ในปัจจุบันนอกจากนี้ยังมีมุมมองที่ดีกว่าในการคาดการณ์โดยใช้thetalogistic ตัวอย่างของ Perretti et al, (2013c) ที่สำคัญสองเปรียบเทียบข้อดีของวิธีพารามากกว่าคนที่ไม่อิงพารามิเตอร์จะมีรายละเอียด ครั้งแรกที่ความน่าจะเป็นของความล้มเหลวการพยากรณ์ตัวแปรที่สามารถได้รับการวินิจฉัยขอบคุณรุ่นคชกรรมง่ายขั้นตอนการตรวจสอบ. อันที่จริงการบรรจบกันของวิธีการอนุมานพาราไม่แน่ใจว่ารูปแบบการติดตั้งเป็นที่น่าพอใจเป็นตัวแทนของข้อมูล วิธีการง่ายๆที่มีอยู่ในการตรวจสอบด้วยคอมพิวเตอร์เล็กน้อยค่าใช้จ่าย, ความสามารถในการติดตั้งรูปแบบการกู้คืนข้อมูลลักษณะสำคัญ (รูบิน 1984. Gelman, et al, 1996) ในกรณีที่ติดตั้งรูปแบบการล้มเหลวในการตรวจสอบรุ่นดังกล่าวการทดสอบการปรับเปลี่ยนรูปแบบควรจะขอก่อนที่การคาดการณ์ที่น่าเชื่อถือใดๆ ที่สามารถทำ ประการที่สองเมื่อการพยากรณ์ตัวแปรมีการวินิจฉัยที่จะเชื่อถือได้, การคาดการณ์ความไม่แน่นอนสามารถประมาณขอบคุณข้อมูลเสมือนที่สร้างขึ้นด้วยการติดตั้งข้อมูลรูปแบบตัวแปร ประโยชน์ที่สองนี้จะช่วยให้การเติมเต็มการคาดการณ์ที่มีความเข้าใจในรายละเอียดของธรรมชาติของมันข้อจำกัด ทั้งสองข้อได้เปรียบที่สำคัญช่วยให้นักวิทยาศาสตร์ของพวกเขาเพื่อเพิ่มการคาดการณ์ที่มีคำอธิบายของความน่าเชื่อถือของพวกเขา

ผลลัพธ์ (ไทย) 3:

แล้วเถียงกันด้วย และ dormann Hartig ( 2013 ) , วิธีการ Parametric
เสนอข้อดีของการโอนย้าย และทฤษฎี
เข้าใจซึ่งจะขาดวิธีนอนพาราเมตริก . พวกเขายังใช้เพื่อระดมความรู้เดิม

ผ่านในระบบศึกษาการแจกแจงวิเคราะห์ก่อนเบ . จุดมุ่งหมายของงานนี้คือเพื่อแสดงให้เห็นว่าวิธีการพาราเมตริก

มีในปัจจุบันยังเป็นที่นิยมในการพยากรณ์มุมมองโดยใช้ตัวอย่าง thetalogistic
ของ perretti et al . ( 2013c ) สำคัญสองเปรียบเทียบข้อดีของวิธีการจัดกว่าตัว

คนที่จะได้รายละเอียด แรก โอกาสของความล้มเหลวสามารถพยากรณ์ตัวแปร
เป็นนิจขอบคุณง่ายขั้นตอนการตรวจสอบแบบจำลองเบ .
แน่นอน การบรรจบกันของวิธีการอนุมานเชิงไม่
ให้แน่ใจว่า การติดตั้งแบบเป็นตัวแทนที่น่าพอใจของ
ข้อมูล วิธีการง่ายๆ พร้อมเช็ค ราคาคอมพิวเตอร์
เล็กน้อย ความสามารถในการติดตั้งรูปแบบการกู้คืนข้อมูลคุณลักษณะหลัก
( Rubin , 1984 ; เกลแมน et al . , 1996 ) ในกรณีที่ติดตั้งล้มเหลวในการตรวจสอบการทดสอบแบบจำลอง
รูปแบบ เช่น การปรับเปลี่ยนรูปแบบของ
ควรค้นหาก่อนที่ใด ๆที่เชื่อถือได้คาดคะเนสามารถทํา 2
เมื่อพยากรณ์ตัวแปรมีการวินิจฉัยที่จะเชื่อถือการพยากรณ์
ความไม่แน่นอนสามารถประมาณขอบคุณข้อมูลเสมือนจริงที่สร้างขึ้นด้วย
เข็มขัดแบบพาราเมตริก . ประโยชน์ที่สองนี้ช่วยให้

กว่าการคาดการณ์ มีความเข้าใจรายละเอียดของข้อ จำกัด ที่แท้จริง
.ทั้งสองคีย์ข้อดีช่วยให้นักวิทยาศาสตร์เพื่อเพิ่มการคาดการณ์ของพวกเขา
ที่มีรายละเอียดของความน่าเชื่อถือของพวกเขา