

已閱讀1頁,還剩27頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、凡是對數(shù)理統(tǒng)計有所認識的學者,都知道線性模型的重要性,因為許多具有實際意義的重要分支,如多元分析、回歸分析、方差分析、試驗設計等,都是以線性模型的理論為基礎,或與之有密切聯(lián)系。對統(tǒng)計線性模型而言,基本的問題之一是參數(shù)估計,然后以參數(shù)估計的結(jié)果進行深入的統(tǒng)計分析,分析結(jié)果的好壞往往依賴于參數(shù)估計的好壞,盡管文獻中提出了各種參數(shù)估計,但如何從統(tǒng)計判決的角度來衡量這些估計的優(yōu)良性,一直是一個重要的研究課題,參數(shù)估計的可容許性正是用來解決此類問
2、題的重要統(tǒng)計工具。 本論文共分四章:第一章為緒論部分,主要介紹可容許估計的發(fā)展概況以及本人所作的主要工作;第二章是預備知識,主要介紹一些常用的損失函數(shù)和可容許估計的概念,了解和掌握這些內(nèi)容對于后面章節(jié)的敘述是必要的;第三章是關于回歸系數(shù)的可容許估計,這包括統(tǒng)計線性模型不受約束和受約束的情形。本文在線性模型受隨機等式約束的情形下,獲得了非齊次線性估計在非齊次線性估計類中的可容許估計與齊次線性估計在齊次線性估計類中的可容許估計的關系
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多元線性模型中參數(shù)估計的可容許性.pdf
- 幾類線性模型中的可容許性估計.pdf
- 平衡損失函數(shù)下線性模型中回歸系數(shù)的線性可容許估計.pdf
- 增長曲線模型的參數(shù)估計與估計的可容許性.pdf
- 不等式約束線性模型的可容許性估計理論
- 不等式約束線性模型的可容許性估計理論.pdf
- 增長曲線模型參數(shù)陣的線性容許估計和Minimax估計.pdf
- 增長曲線模型參數(shù)陣的線性容許Minimax估計.pdf
- 一般線性模型中線性估計的可容許性特征及優(yōu)良性.pdf
- 增長曲線模型中線性預測的可容許性與泛容許性.pdf
- 約束增長曲線模型中回歸參數(shù)陣的線性容許性估計及minimax估計.pdf
- 帶線性等式約束的多元線性模型中線性預測的可容許性.pdf
- 平衡損失下回歸系數(shù)線性估計的可容許性及最優(yōu)平衡估計.pdf
- 線性模型中的參數(shù)估計.pdf
- 一般平衡損失下回歸系數(shù)的最優(yōu)線性無偏估計及可容許估計.pdf
- 線性混合模型中的參數(shù)估計.pdf
- 廣義嶺型主相關估計與可容許性的研究.pdf
- 增長曲線模型誤差方差的二次型容許估計及帶約束條件的二次型估計的可容許性.pdf
- 一類多維百年兩的Minimax可容許估計.pdf
- 線性混合模型中參數(shù)估計的研究.pdf
評論
0/150
提交評論