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   48篇
  国内免费   6篇
  完全免费   5篇
  数学   59篇
  2016年   1篇
  2015年   1篇
  2014年   5篇
  2013年   4篇
  2012年   3篇
  2011年   8篇
  2010年   9篇
  2009年   5篇
  2008年   7篇
  2007年   1篇
  2006年   2篇
  2005年   3篇
  2003年   1篇
  2002年   2篇
  2001年   5篇
  2000年   2篇
排序方式: 共有59条查询结果,搜索用时 46 毫秒
1.
缺失数据的插补调整   总被引:15,自引:2,他引:13  
插补是另一类对缺失数据进行调整,以减小估计偏差的方法。本文介绍的插补方法有:演绎估计,均值插补,随机插补,回归插补和多重插补。  相似文献
2.
调查中的数据缺失及处理(Ⅰ)——缺失数据及其影响   总被引:5,自引:0,他引:5  
调查中经常遇到缺失数据的现象。产生缺失数据的原因有多种,不同背景下的缺失数据对统计分析会带来不同的影响。提高统计调查数据的质量,一方面要采取有效措施减少数据缺失,提高调查的回答率;另一方面,当出现缺失数据时,可以对不完整的数据集进行处理,在减小由于缺失数据带来的影响。对缺失值有不同的调整方法,不同的方法各有特点。本系列将围上述问题进行讨论。  相似文献
3.
不同差补方法的比较   总被引:5,自引:1,他引:4  
本文针对缺失数据提出几种差补方法,通过模拟实验,考察文些方法的适用性及缺点。结果表明,控制变量的恰当引入有利于提高估算效果,从与真值的拟合角度看,均值差补法有优势;而从保持样本分布的角度看,含有随机过程的差补法效果显著,在使用差补后的“完整”数据集时始终保持客观谨慎的态度是非常重要的。  相似文献
4.
含缺失数据线性模型的线性不等式约束EM算法   总被引:4,自引:0,他引:4       下载免费PDF全文
研究含有缺失数据的线性模型的回归参数在一般线性不等式A0β≥α约束下的极大似然估计问题;提出了一般线性不等式约束下的EM算法并且证明了此算法的收敛性.  相似文献
5.
缺失数据下线性EV模型中参数的经验似然置信域   总被引:4,自引:1,他引:3  
考虑了在响应变量随机缺失情形下的线性EV模型.通过利用回归借补方法,构造了未知参数的两种经验对数似然比统计量,即估计的经验对数似然比统计量和调整的经验对数似然比统计量.证明了所构造的经验似然比统计量渐近于χ2分布.所得结果可以用来构造未知参数的置信域.  相似文献
6.
抽样调查中缺失数据的插补方法   总被引:3,自引:0,他引:3  
在抽样调查等实际问题中,经常出现数据缺失.针对这类问题,通常的处理方法之一是对数据进行插补.本文综述了抽样调查中处理缺失数据常用的插补方法.重点讨论了单一插补的方差估计与多重插补的简化计算以及使用回答概率的单一插补等.最后讨论目前插补所面临的问题与其发展方向.  相似文献
7.
具有部分缺失数据时两个Poisson总体的估计和检验   总被引:3,自引:0,他引:3  
刘银萍 《工科数学》2002,18(6):82-86
讨论了部分缺失数据两个Poisson总体的参数估计和关于总体相同的似然比检验,证明了估计的强相合性和渐近正态性,指出了似然比检验计量的极限分布,并讨论了基于精确分布的检验问题。  相似文献
8.
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:2,自引:0,他引:2  
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
9.
缺失数据的偏差校正(系列三)   总被引:2,自引:0,他引:2  
调查中的缺失数据会造成估计量的偏倚。有一些简单易行的对数据进行调整的方法,如果使用得当,可以减小由于缺失数据造成的估计量偏倚。本文介绍了三种常用的方法:即,再抽样调整;多次调查数据调整和相关推估法。  相似文献
10.
借助优势比信息识别不可忽略缺失数据的模型参数   总被引:1,自引:0,他引:1  
由不可忽略缺失机制引起的缺失数据,常使得模型变得不可识别。对于那些不可识别的模型,可以通过添加协变量和借助其他来源的外部数据来达到识别的目的。本文探讨不可忽略缺失机制下,利用外部获得的优势比估计,来达到识别联合概率的方法。  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