en met de volgende matrices voor ð¡ = 1983, …,2018 ðð¡+1 = [ ð¾̂ð¡+1 ð −ð¾̂ð¡ ð ̂ ð ̂ ð¡+1 ð ð¡+1 ð − ð¶,Ψ 1 2 ð¾̂ð¡+1 ð −ð¾̂ð¡ ð ð ] , ðð¡ =[ 10 0 0 00 01 0 0 00 00 ð ̂ð¡ 00 0 ð ̂ð¡ ð 01 tr [ð¶̃−1 ∑ (ðð¡+1 −ðð¡Ψ)(ðð¡+1 −ðð¡Ψ)′ 1982 ð¡=1970 − 1 2 tr [ð¶−1 ∑ (ðð¡+1 −ðð¡Ψ)(ðð¡+1 −ðð¡Ψ)′ 2018 ð¡=1983 ]− ð 01 0] , ðð¡+1 = [ 13 2 ln(|ð¶̃|) − (13 × 2)ln(2ð) 1 2 ln(|ð¶|) − (36 × 4)ln(2ð). 1 2 ðð¡+1 ð ðð¡+1 ð ð¿ð¡+1 ð . ð¿ð¡+1 ð ] Vervolgens worden C en Ψ bepaald door de log-likelihood voor de tijdreeksen te optimaliseren: argmax ]− 36 2 Hierin is ð¶̃ de 2× 2 submatrix bestaande uit de eerste twee kolommen en rijen van ð¶. 6 Sluiting van parameterwaarden Vervolgens worden de parameters {ð´ð¥ , ðµð¥ ð volgt bepaald via extrapolatie. De parameters {ðµð¥ ̅= 1 ð ∑ ð¦ð ð Sluiting van parameterwaarden ð,αð¥ ð,βð¥ ð} voor de leeftijden ð¥∈ ð̃ = {91,92, …,120} als ð}, ð¥ ∈ ð̃, worden bepaald via lineaire extrapolatie van {ln(ðµ̂ð¦ ð=1 ð)} voor de leeftijden ð¦∈ {80,81,⋯,90}. We schrijven ð¦ð =80 + (ð− 1) voor ð= 1, ⋯, ð met ð= 11. Het aantal leeftijden ð¦ð waar de regressie op gebaseerd wordt, is dus ð= 11, het gemiddelde van die leeftijden is ð¦ ð=1 =85 en de kwadraatsom van de afwijking is ∑(ð¦ð −ð¦̅)2 ð vinden we voor ð¥∈ ð̃: ðµ̂ð¥ ð =exp(∑ð¤ð(ð¥)ln(ðµ̂ð ð ð=1 waarbij de regressiegewichten ð¤ð(ð¥) worden gegeven door ð¤ð(ð¥) = 1 ð + (ð¦ð −ð¦̅)(ð¥− ð¦̅) ∑ (ð¦ð −ð¦̅) ð ð=1 Vervolgens bepalen we {ð´̂ð¥ ð}, ð¥ ∈ ð̃, zodanig dat in 2019 de waarden van
65 Online Touch Home