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(rèn)領(lǐng)
文檔簡介
1、同刪失數(shù)據(jù)一樣,在實際工作中經(jīng)常遇到一些關(guān)于污染數(shù)據(jù)的統(tǒng)計分析問題。對于刪失數(shù)據(jù)已得到了一系列較為深刻的結(jié)果,但對污染數(shù)據(jù)的研究卻不多。污染數(shù)據(jù)回歸模型是生物統(tǒng)計中常用的模型,因此,研究其統(tǒng)計分析方法是很有意義的。 本文考慮縱向數(shù)據(jù)的半?yún)?shù)回歸模型,其中(x<,ij>,t<,ij>)∈R<'p>×R是固定的設(shè)計點列,β是p維未知參數(shù),g(·)是定義在閉區(qū)間工上的未知回歸函數(shù),{ε<,ij>,i=1,2,…,m,j=1,2,…,n
2、<,i>}相互獨立同分布,Eε<,ij>=0,0
3、列{(x<,ij>,t<,ij>):i=1,2,…,m,j=1,2,…,n<,i>)來估計未知參數(shù)β,v,σ<,2><'1>,σ<,2><'2>和回歸函數(shù)g(·)。假定σ<,2><'2>=l<'2><,0>σ<,2><'1>,l<,0>為已知正數(shù),在此情形下構(gòu)造β,v,σ<,2><'1>,σ<,2><'2>和回歸函數(shù)g(·)的估計量β,v,σ<,2><'1>,σ<,2><'2>和g(·),并在適當(dāng)條件下證明了這些估計量都具有強相合性。
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(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(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
- 縱向數(shù)據(jù)半?yún)?shù)回歸模型的估計理論.pdf
- 縱向數(shù)據(jù)的半?yún)?shù)回歸模型研究.pdf
- 弱誤差半?yún)?shù)和非參數(shù)回歸模型估計的相合性.pdf
- 半?yún)?shù)回歸模型的Bayes估計.pdf
- 缺失數(shù)據(jù)下非參數(shù)回歸函數(shù)加權(quán)核估計的強相合性.pdf
- 30221.nod序列下半?yún)?shù)回歸模型和非參數(shù)回歸模型估計相合性的研究
- 一類新半?yún)?shù)回歸模型參數(shù)估計的強收斂速度.pdf
- 非參數(shù)回歸模型中β的核估計.pdf
- 半?yún)?shù)回歸模型的估計方法和模擬分析.pdf
- 缺失數(shù)據(jù)情形半?yún)?shù)回歸模型的二階段估計.pdf
- 含指標(biāo)項半?yún)?shù)回歸模型的估計與檢驗.pdf
- 兩兩NQD樣本下半?yún)?shù)回歸模型估計的相合性.pdf
- 缺失數(shù)據(jù)半?yún)?shù)回歸分析.pdf
- 36387.穩(wěn)健頻率模型平均與半?yún)?shù)回歸模型的估計
- 固定設(shè)計下半?yún)?shù)回歸模型估計的r階平均相合性.pdf
- 帶污染數(shù)據(jù)的回歸模型參數(shù)估計.pdf
- 兩種數(shù)據(jù)下半?yún)?shù)回歸模型的估計理論.pdf
- 38117.基于copula相關(guān)函數(shù)的縱向數(shù)據(jù)半?yún)?shù)分位數(shù)回歸模型的研究
- 基于Helmert方差分量估計的半?yún)?shù)回歸模型若干算法研究.pdf
- 142.幾類半?yún)?shù)回歸模型的穩(wěn)健估計與變量選擇
評論
0/150
提交評論