

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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文研究線性回歸模型的參數(shù)估計(jì),當(dāng)設(shè)計(jì)矩陣呈病態(tài)時(shí),最小二乘估計(jì)的效果變差甚至失效,因此,綜合根方估計(jì)和Stein估計(jì),在均方誤差的意義下提出一種新的估計(jì)。
首先,針對一般線性回歸模型給出了Stein型根方估計(jì)量,并得到了它的均方誤差表達(dá)式。在均方誤差的準(zhǔn)則下,分別證明了該估計(jì)優(yōu)于最小二乘估計(jì)、根方估計(jì)以及Stein估計(jì)的充分條件。通過實(shí)例模擬,證實(shí)Stein型根方估計(jì)的均方誤差值比最小二乘估計(jì)、根方估計(jì)以及Stein估計(jì)的均
2、方誤差值小。
其次,考慮帶有齊次線性等式約束Rβ=0的線性回歸模型,得到帶有齊次等式約束的條件Stein型根方估計(jì)量,并討論了它若干的統(tǒng)計(jì)性質(zhì),證明了它的均方誤差值分別小于條件根方估計(jì)以及條件Stein估計(jì)的充分條件。
然后,從第三章出發(fā),針對一般線性回歸模型,進(jìn)一步將Stein型根方估計(jì)量中的根方參數(shù)尼替換為對角陣K=diag(k1,k2,…,kp),給出了廣義Stein型根方估計(jì)量。在討論一種特殊形式的廣義Ste
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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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
- 約束線性回歸模型回歸系數(shù)的條件根方估計(jì).pdf
- 約束線性模型參數(shù)的Stein估計(jì)和嶺估計(jì)的研究.pdf
- 模糊線性回歸模型的參數(shù)估計(jì).pdf
- 線性回歸模型參數(shù)有偏估計(jì)的研究.pdf
- 平衡損失函數(shù)下線性回歸系數(shù)的Stein估計(jì)及其性質(zhì).pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計(jì).pdf
- 半相依回歸系統(tǒng)的根方估計(jì).pdf
- 部分線性回歸模型的估計(jì).pdf
- 約束增長曲線模型中回歸參數(shù)陣的線性容許性估計(jì)及minimax估計(jì).pdf
- 模糊線性回歸模型的參數(shù)估計(jì)和在金融中的應(yīng)用.pdf
- 線性回歸模型參數(shù)估計(jì)及異常點(diǎn)檢測方法改進(jìn).pdf
- 多元線性回歸模型的有偏估計(jì)
- 多元線性回歸模型的有偏估計(jì)
- 多元線性回歸模型的有偏估計(jì)
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計(jì)研究.pdf
- 半相依回歸模型的參數(shù)估計(jì).pdf
- 相依線性回歸系統(tǒng)參數(shù)估計(jì)的改進(jìn).pdf
- 線性回歸模型參數(shù)有偏估計(jì)的進(jìn)一步探討.pdf
- 線性回歸模型Liu估計(jì)的新研究.pdf
- 基于Bayesian的空間多層線性回歸模型的參數(shù)估計(jì)及其應(yīng)用.pdf
評論
0/150
提交評論