首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  国内免费   2篇
  完全免费   5篇
  数学   11篇
  2015年   3篇
  2014年   1篇
  2012年   2篇
  2010年   1篇
  2009年   1篇
  2007年   1篇
  2006年   1篇
  2004年   1篇
排序方式: 共有11条查询结果,搜索用时 62 毫秒
1.
核实数据下非线性半参数EV模型的经验似然推断   总被引:4,自引:0,他引:4       下载免费PDF全文
薛留根 《数学学报》2006,49(1):145-154
考虑带有协变量误差的非线性半参数模型,借助于核实数据,本文构造了未知参数的三种经验对数似然比统计量,证明了所提出的统计量具有渐近X2分布,此结果可以用来构造未知参数的置信域.另外,本文也构造了未知参数的最小二乘估计量,并证明了它的渐近性质.仅就置信域及其覆盖概率的大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣.  相似文献
2.
王启华 《中国科学A辑》2004,34(5):549-566
在核实数据帮助下, 考虑误差在反映线性模型. 半参数降维技术分别应用于定义β的渐近正态估计和β与其线性组合的被估计经验似然及调整经验似然. 我们分别证明被估计的经验对数似然及其调整的经验对数似然渐近于独立卡方变量加权和的分布及标准卡方分布.  相似文献
3.
核实数据下响应变量缺失的线性EV模型经验似然推断   总被引:3,自引:0,他引:3  
考虑响应变量随机缺失而协变量带有误差的线性模型,借助于核实数据和借补方法,构造了回归系数的两种经验似然比,证明了所提出的估计的经验对数似然比渐近于一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整经验对数似然比渐近于自由度为p的χ2分布,该结果可以用来构造未知参数的置信域.此外,我们也构造了响应均值的调整经验对数似然比统计量,并证明了所提出的统计量渐近于x2分布,可用此结果构造响应均值的置信域.通过模拟研究比较了置信域的精度及其平均区间长度.  相似文献
4.
核实数据下非线性EV模型中经验似然降维推断   总被引:2,自引:2,他引:0  
方连娣  胡凤霞 《数学杂志》2012,32(1):113-120
本文研究了响应变量有误差的非线性模型.应用半参数降维技术构造未知参数的被估计经验似然及调整的经验似然,证明了所提出的被估计的经验对数似然与其调整的经验对数似然分别渐近于独立卡方变量加权和的分布与标准卡方分布,所得结果可用来构造未知参数的置信域.  相似文献
5.
本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。  相似文献
6.
考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性EV模型.通过利用核实数据, 构造了未知参数的两种经验对数似然比统计量. 证明了所构造统计量的分布渐近于χ2分布, 所得结果可以用来构造未知参数的渐近置信域.  相似文献
7.
考虑响应变量带有一般测量误差的非线性半参数模型.在核实数据的帮助下,利用半参数降维技术构造未知参数和非参数函数的估计.在一定条件下证明未知参数估计的渐近正态性和非参数函数估计的最优收敛速度.通过数值模拟说明所提估计方法在有限样本下的有效性.  相似文献
8.
肖燕婷  田铮  孙瑾 《数学杂志》2015,35(5):1075-1085
本文研究了核实数据下的协变量带有测量误差的非线性半参数EV模型.在不假定测量误差结构的情形下,利用最小二乘方法和核光滑技术,构造了非线性函数中未知参数的两种估计,证明了未知参数估计的渐近正态性.通过数值模拟说明所提估计方法在有限样本下的有效性.  相似文献
9.
刘强 《系统科学与数学》2010,30(9):1236-1250
考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性半参数EV模型. 利用核实数据,构造了未知参数和非参数函数的两种估计.证明了未知参数估计的渐近正态性,给出了非参数函数估计的最优收敛速度.  相似文献
10.
考虑部分线性模型$Y=x\beta+g(t)_e$,这里实验数据$x$具有测量误差, $Y$和$t$是精确测量的,误差项$e$构成鞅差序列.用$\tile{x}$ 表示原始观察数据中变量$x$的测量误差数据,假设原始数据有$N$组观测值,即样本$\{(Y_{j},\widetilde{x}_{j},t_{j})_{j=n+1}^{n+N}\}$,独立的核实数据共有$n$组观测值$\{(\widetilde{x}_{j},x_{j},t_{j})_{j=1}^{n}\}$.本文中,我们借助于核实数据,基于最小二乘准则,利用原始数据构造上述部分线性模型的参数$\beta$和非参数部分$g(\cdot)$的半参数估计量,证明估计量的相合性,并通过模拟计算验证我们所给出估计量的优良性.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号