Geünificeerde regressiemodellen en hun toepassingen.

  Regressiemodellen vormen een hoeksteen van moderne statistische analyse. Gegeneraliseerde lineaire modellen (GLM) zijn populaire en meest gebruikte modellen om de associatie tussen een gemiddelde respons en covariaten te bestuderen. Onlangs hebben probabilistische index modellen aangetoond dat het een waardevol alternatief voor GLMS zijn wanneer de uitkomst distributie is scheef of wanneer er afgelegen observaties. In dit project, we verenigen deze twee benaderingen in een enkel flexibel modelkader, aangeduid als Unified Regressiemodellen (URM). Deze Urms bieden ook een regressie kader voor de populaire en meest toepasselijke klasse van U-statistieken. Urms kan verder worden gebruikt voor het ontwikkelen van nieuwe regressie modellen en dit voor een verscheidenheid van instellingen. Het doel van dit project is: uit te werken de schatting theorie met betrekking tot Urms op het gebruik van semi-parametrische theorie. om te illustreren hoe Urms kan worden gebruikt om nieuwe regressie modellen te bouwen. Meer specifiek zullen we werken aan een regressiemodel om de juistheid van een ternair classifier te evalueren en toe te passen in de context van radiotherapie. een krachtige omnibus consistente test voor de twee steekproeven probleem dat auxiliarly basisinformatie opgenomen. De test zal worden toegepast in het kader van gerandomiseerde klinische trials. Dit onderzoek zal de traditionele theorie van regressie modellen en U-statisitics generaliseren, en het zal een flexibele, maar toch begrijpelijk, kader voor de aanleg van nieuwe regressie modellen bieden.