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)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在非參數(shù)統(tǒng)計理論中,對給定的一組關(guān)于兩變量X和Y的非參數(shù)回歸模型常常定義為y<,i>=m(x<,i>)+ε<,i>,i=1,…,n,其中{(x<,i>,y<,i>),i=1,…,n}已知,ε<,i>(i=1,….n)為隨機(jī)誤差項,并希望通過對m(x)的核估計得到更好的擬合模型。在本文中,我們將這一非參數(shù)回歸模型更進(jìn)一步地定義為Y=F(β<'τ>X)+ε,其中F為一不固定形式的實函數(shù),僅β為未知參數(shù)。應(yīng)用回歸函數(shù)核估計和條件密度函數(shù)的核估
2、計方法估計β?;貧w函數(shù)核估計方法中,又分別提出了在選定連續(xù)樣本點和離散樣本點時的兩種非參數(shù)估計模型,并對這兩種模型做了詳細(xì)的闡述。本文第3章中,針對離散樣本點情形下兩非參數(shù)回歸模型(2.6)和(2.7)我們做了算例模擬。將得到的一組參數(shù)估計值β用Monte Carlo Analysis方法求平均以取得最優(yōu)估計值β<,opt>,并且計算了標(biāo)準(zhǔn)差t。通過在不同模型下算例模擬,將得到的關(guān)于未知參數(shù)β的估計值以及標(biāo)準(zhǔn)差加以比較,從而對估計方法的
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(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
- 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
- 22585.非參數(shù)回歸模型方差變點的估計
- 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
- 10759.倒逆高斯核下非參數(shù)回歸模型的估計
- 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
- 非參數(shù)回歸模型的Bayes估計方法及其應(yīng)用研究.pdf
- 縱向數(shù)據(jù)半?yún)?shù)回歸模型的估計理論.pdf
- 非參數(shù)回歸誤差密度估計的收斂速度.pdf
- 縱向污染數(shù)據(jù)半?yún)?shù)回歸模型中的強相合估計.pdf
- 半?yún)?shù)回歸模型的估計方法和模擬分析.pdf
- 含指標(biāo)項半?yún)?shù)回歸模型的估計與檢驗.pdf
- 兩種數(shù)據(jù)下半?yún)?shù)回歸模型的估計理論.pdf
- 函數(shù)型非參數(shù)回歸模型異方差檢驗.pdf
- 基于變窗寬下非參數(shù)回歸函數(shù)加權(quán)核估計的大樣本性質(zhì).pdf
- 基于ρ混合誤差下非參數(shù)回歸模型局部多項式估計的漸近性質(zhì).pdf
- 相似可分離函數(shù)的非參數(shù)回歸估計.pdf
- 36387.穩(wěn)健頻率模型平均與半?yún)?shù)回歸模型的估計
- 兩類非參數(shù)分位數(shù)回歸模型的研究.pdf
- 非參數(shù)回歸模型論文線性過程誤差下非參數(shù)模型經(jīng)驗似然
評論
0/150
提交評論