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、變點(diǎn)檢測是近年來統(tǒng)計(jì)學(xué)研究的課題之一,很多學(xué)者對變點(diǎn)檢測的研究做出了不少成果。本文主要考慮當(dāng)模型中存在異常點(diǎn)或者強(qiáng)影響點(diǎn)時(shí),如何基于M估計(jì),提高參數(shù)估計(jì)的穩(wěn)健性,獲得更好的變點(diǎn)檢測效果。
本文首先提出基于M估計(jì),利用信息量SIC(k)進(jìn)行變點(diǎn)檢測的方法。該方法首先在穩(wěn)健對數(shù)似然函數(shù)最小的原則下進(jìn)行參數(shù)估計(jì),然后利用信息量構(gòu)造檢驗(yàn)統(tǒng)計(jì)量,并進(jìn)一步估計(jì)變點(diǎn)值。模擬結(jié)果表明該方法準(zhǔn)確率高,當(dāng)樣本量較大時(shí),變點(diǎn)檢測的準(zhǔn)確率很高。并
2、且在Huber函數(shù)中c值的有效控制下,變點(diǎn)模型在該方法下得到的參數(shù)估計(jì)具有穩(wěn)健性,主要體現(xiàn)在方差估計(jì)上。
為提高位置參數(shù)估計(jì)的穩(wěn)健性,本文提出了基于位置參數(shù)M估計(jì)的漸近正態(tài)性進(jìn)行變點(diǎn)檢測的方法。該方法視方差為多余參數(shù),利用未知參數(shù)估計(jì)的漸近正態(tài)性,構(gòu)造假設(shè)檢驗(yàn)統(tǒng)計(jì)量,檢測變點(diǎn)。模擬驗(yàn)證表明該方法位置參數(shù)估計(jì)的穩(wěn)健性得到了很好的改善,并且當(dāng)模型中存在異常點(diǎn)時(shí),變點(diǎn)估計(jì)也更加穩(wěn)健和精確。
實(shí)例分析中,本文分別對1
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
- 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
- 3602.混合回歸模型的變點(diǎn)檢測
- 函數(shù)系數(shù)自回歸模型的估計(jì)檢驗(yàn)及異常點(diǎn)檢測.pdf
- 部分線性回歸模型的估計(jì).pdf
- 變系數(shù)部分線性模型的局部M-估計(jì).pdf
- ARCH模型和GARCH模型的變點(diǎn)檢測.pdf
- 基于AUC的變點(diǎn)檢測.pdf
- 模糊線性回歸模型的參數(shù)估計(jì).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)
- 基于GCV方法的線性回歸模型嶺參數(shù)估計(jì).pdf
- 非線性模型下的M估計(jì).pdf
- 基于auc的變點(diǎn)檢測
- 線性回歸模型Liu估計(jì)的新研究.pdf
- 比例變系數(shù)線性模型的估計(jì).pdf
- 線性回歸模型參數(shù)有偏估計(jì)的研究.pdf
- 廣義線性模型的M-估計(jì).pdf
- 線性回歸模型回歸系數(shù)的平衡LS估計(jì)及預(yù)測.pdf
- 平衡損失下線性回歸模型回歸系數(shù)的估計(jì)理論.pdf
評論
0/150
提交評論