全文获取类型
收费全文 | 81篇 |
免费 | 1篇 |
国内免费 | 7篇 |
专业分类
化学 | 5篇 |
综合类 | 4篇 |
数学 | 74篇 |
物理学 | 6篇 |
出版年
2023年 | 2篇 |
2021年 | 1篇 |
2018年 | 1篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 5篇 |
2013年 | 2篇 |
2012年 | 1篇 |
2010年 | 5篇 |
2009年 | 2篇 |
2008年 | 5篇 |
2007年 | 1篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2003年 | 5篇 |
2002年 | 5篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 5篇 |
1996年 | 5篇 |
1995年 | 5篇 |
1994年 | 7篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 5篇 |
1990年 | 5篇 |
1989年 | 2篇 |
排序方式: 共有89条查询结果,搜索用时 13 毫秒
1.
本文考虑一般回归模型中回归系数的方向的估计问题。一般回归模型的定义中,应变量y在自变量x给定之下的分布只依赖于x之分量的线性组合。这个线性组合的系数向量β就是回归系数向量。一般回归模型是通常线性模型的推广。本文中,我们构造了一个U统计量作为β之方向的估计。在适当的光滑性条件下,本文证明了该U统计量作为β的方向的估计具有相合性与渐近正态性。 相似文献
2.
增长曲线模型中回归系数的广义根方估计 总被引:6,自引:0,他引:6
本文对增长曲线模型中的回归系数B提出了一种新的估计形式-广义根方估计的B(K),其中K=diag(k1,k2,…,kp)并证明了通过广义根方偏参数ki(i=1,2,…,p)的适当选取可使得该估计在均方误差矩阵的意义下优于已有的LS估计和根方估计,及广义根方估计是可容许估计,本文还给出了选取广义根方偏参数的两种方法,算法及一个应用实例。 相似文献
3.
利用广义p-值和广义置信区间的概念,研究了Panel模型中未知参数的检验和置信区间问题.对于回归系数,分别考虑了单个情形和多个线性无关情形下的检验和置信区间问题,得到了精确检验和置信区间.对于方差分量,研究了其任意线性组合的检验和置信区间问题,建立了精确检验和置信区间.基于广义p-值和广义置信区间,获取精确检验和置信区间的方法具有计算方便、易应用于小样本问题的特点.最后,分别从理论和数值上研究了这些精确检验和置信区间的统计性质. 相似文献
4.
本文研究了正态线性模型回归系数与误差方差联立经验Bayesian估计的收敛速度。 相似文献
5.
6.
ZHENG Kai-yi FENG Yu-hang ZHANG Wen HUANG Xiao-wei LI Zhi-hua ZHANG Di SHI Ji-yong ZOU Xiao-bo 《光谱学与光谱分析》2021,41(6):1789-1794
近红外光谱(NIR)具有快速、无损、操作方便的特点,故广泛用于食品分析。作为一种间接的分析技术,NIR需要建立光谱与待测浓度之间的统计模型来实现检测。故模型的维护有助于保证NIR的预测准确性。在外界条件发生变化的情况下,诸如样品性状的改变、仪器对理化指标函数关系的变化、湿度和温度等环境因素的改变,会导致相同样品的光谱信号发生偏移,进而使得原有模型的预测精度下降。此时,如果重新建模,虽然可以解决光谱偏移对建模的影响,但是重新建模将耗费大量的人力物力。对此,模型转移可以在避免重新建模的情况下,校正光谱的偏移,进而提高模型预测精度。通常模型转移算法多用全光谱进行模型转移,这种方法计算量较大,且不能找到合适的有化学意义的波段。故提出一种基于模型转移中的变量选择方法:向后迭代区间选择法(IIBS),通过计算主光谱(用于建模的那组光谱)和从光谱(发生偏移,需要通过模型转移算法将其校正的光谱)中,变量区间的重要性信息(回归系数(β)、残差向量(Res)以及变量重要性投影(VIP))。进而通过计算该区间变量重要性信息的几何平均数,并以此作为该区间的区间重要性指标。接着根据区间的重要性,删除重要性信息较小的变量区间。然后对主光谱和从光谱重复迭代上述过程:计算变量的重要性信息,计算区间的重要性信息,删除重要性信息较小的区间。最后,比较不同的主光谱和从光谱区间组合的验证均方根误差(RMSEV),选择RMSEV最小的主光谱和从光谱区间作为最优区间。玉米、小麦两套NIR数据测试了该算法。结果显示,与全波段相比,β,Res以及VIP均可以从主光谱和从光谱中选择较少的,有化学意义的区间,提高模型转移的精度。在比较不同变量重要性向量方面,基于β的变量选择算法,模型转移的计算误差较小。 相似文献
7.
8.
9.
考虑部分线性模型Y=X‘β+g(T)+e,x∈D,t∈「0,1」,β为未知的参数向量,g为未知函数,Chen给出此模型的一种估计如下,先用分段多项式逼近g,然后用最小二乘法估计β,「1」得到估计量β的渐近正态性。因其渐近分布中含有未知参数,不能直接用于检验问题。 相似文献
10.
线性模型中两步估计的分解式及其应用 总被引:1,自引:1,他引:0
本文讨论广义线性模型中均值向量和回归系数的两步估计,给出了均值向量两步估计的分解式及均值向量两步估计与其最佳线性无偏估计一致的充分条件,并把结果应用到两阶段抽样回归模型及误差相关回归模型中。 相似文献