GAMLSS
GAMLSS is a broad class of semi-parametric regression models introduced by Robert Rigby and Mikis Stasinopoulos in 2005. Unlike classical regression, which models only the mean of a response, GAMLSS allows each parameter of a chosen parametric distribution — location (e.g., mean), scale (e.g., variance), and shape (e.g., skewness, kurtosis) — to be modeled as an additive function of covariates. This makes it possible to capture heteroscedasticity, skewness, and heavy tails simultaneously within a single unified framework.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.