A New Mixed Poisson Distribution: Modeling and Applications

2018 ◽  
Vol 46 (4) ◽  
pp. 20170585
Author(s):  
Mina Habibi ◽  
Akbar Asgharzadeh
Keyword(s):  
Poisson Distribution ◽  
Distribution Modeling ◽  
Mixed Poisson Distribution

scholarly journals FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS DBD DI SULAWESI SELATAN DENGAN MENGGUNAKAN REGRESI POISSON INVERSE GAUSSIAN

2021 ◽  
Author(s):  
SYAMSUL ALAM
Keyword(s):  
Poisson Distribution ◽  
Poisson Regression ◽  
Likelihood Function ◽  
Continuous Distribution ◽  
Inverse Gaussian ◽  
Average Value ◽  
South Sulawesi ◽  
Mixed Poisson Distribution ◽  
Gaussian Regression ◽  
Close Form

Poisson regression is used to model enumeration data such as data on the number of DHF cases. This model has the assumption that is fulfilled is the average and the variance must have the same value or it is called the equidispersion. But this assumption is not fulfilled because the data on the number of dengue cases experienced violations of this assumption. The violation is that the average value is smaller than the variance value or it is called overdispersion. This results in incorrect conclusions because the prediction standard error is underestimated. The way to prevent this is by combining the Poisson distribution and discrete or continuous distribution, this combination is called Mixed Poisson Distribution. Researchers use one of the Mixed Poisson methods, namely Inverse Gaussian Poisson Regression (PIG) because the method is used when the data is overdispersed and the parameters are known or close form on the likelihood function. Based on the results of the study, it is known that the height of the area is a factor that significantly influences DHF cases in South Sulawesi and the model form is as follows: π=exp(5,902-0,0004189 X_2)Keyword: DHF Cases; Poisson Regression; Overdispersion; Poisson Inverse Gaussian Regression;

scholarly journals FAKTOR-FAKTOR YANG MEMPENGARUHI KASUS DBD DI SULAWESI SELATAN DENGAN MENGGUNAKAN REGRESI POISSON INVERSE GAUSSIAN

2021 ◽  
Author(s):  
SYAMSUL ALAM
Keyword(s):  
Poisson Distribution ◽  
Inverse Gaussian ◽  
Mixed Poisson Distribution ◽  
Close Form

Regresi Poisson digunakan untuk memodelkan data yang bersifat cacahan seperti data jumlah kasus DBD. Model ini memiliki asumsi yang dipenuhi ialah rata-rata dan variansinya harus memiliki nilai yang sama besar atau disebut equidispersi. Tapi asumsi tersebut tidak terpenuhi karena data jumlah kasus DBD mengalami pelanggaran Asumsi ini. Pelanggarannya ialah nilai rata-rata lebih kecil dari nilai variansi atau disebut overdispersi. Hal ini mengakibabkan kesimpulan yang diperoleh tidak benar karena pendugaan standar error mengalami underestimate. Cara untuk mencegahnya yaitu dengan menggabungkan antara distribusi poisson dan distribusi diskrit atau kontinu, penggabungan ini dinamakan Mixed Poisson Distribution. Peneliti menggunakan metode salah satu dari Mixed Poisson yaitu Regresi Poisson Inverse Gaussian (PIG) karena metode digunakan apabila data tersebut mengalami overdispersi dan parameter diketahui atau close form pada fungsi likelihood. Berdasarkan hasil dari penelitian diketahui bahwa ketinggian wilayah ialah faktor yang mempengaruhi kasus DBD di Sulawesi Selatan secara signifikan dan diperoleh bentuk model yaitu sebagai berikut:π=exp(5,902-0,0004189 X_2)Kata0Kunci : Kasus DBD;0Regresi Poisson;0Overdispersi;0Regresi Poisson0Inverse Gaussian;

Using species distribution modeling to improve conservation of medicinal plants in Southwest China

Planta Medica ◽  
2016 ◽  
Vol 81 (S 01) ◽  
pp. S1-S381
Author(s):  
B Liu ◽  
F Li ◽  
Z Guo ◽  
L Hong ◽  
W Huang ◽  
...  
Keyword(s):  
Medicinal Plants ◽  
Species Distribution ◽  
Southwest China ◽  
Species Distribution Modeling ◽  
Distribution Modeling
Sign in / Sign up

Export Citation Format

Share Document