共查询到20条相似文献,搜索用时 0 毫秒
1.
涂冬生 《数学物理学报(A辑)》1992,12(2):226-233
本文利用对样本随机加权的思想,构造了线性模型中误差方差估计的抽样分布的一种新的逼近,与传统的Boostrop方法相比,随机加权逼近不需要样本独立同分布的假设,在很广泛的条件下,我们证明了新逼近方法的相合性。 相似文献
2.
3.
非参数回归函数估计的随机加权逼近 总被引:1,自引:0,他引:1
本文应用随机加权法的思想构造了回归函数的最近邻估计和核估计的随机加权统计量,并证明了用随机加权统计量的分布逼近两类估计量的分布之精度可达到o(n~(-1/2P),其中1<p ≤ 2. 相似文献
4.
随机加权法在密度估计中的应用 总被引:2,自引:0,他引:2
本文给出了概率密度函数的椭机加权估计,证明了承机加权分布与密度估计的标准化估计量的分布的逼近精度可达到o(1/√nh),并且构造了Efn(x)的置信区间,其中fn(x)为密度函数的核估计,h=hn炒估计的窗宽。 相似文献
5.
6.
7.
随机加权法在线性模型中的应用 总被引:5,自引:0,他引:5
设 Y_n=X_nβ+e(n) (1.1)是一个回归模型,其中β是一个 p×1 未知参数向量;Y_n 是 n×1数据向量;X_n 是 n×p 矩阵,rank X_n=p,X_n 之元素是常数,X'_n=(x_1,…,x_n)表示 X_n 的转置;e(n)是 n×1 误差向量.设 (?)_n=(X′_nX_n)~(-1)X′_nY 为β的最小二乘估计.在[1]中讨论了随机变量 c′((?)_n— 相似文献
8.
序集抽样是一种适用于准确测量花费太高而排序费用可以忽略不记时的一种抽样方法.讨论了序集抽样下的对于一般分布族M估计的相合性和渐近正态性并且通过随机加权的方法来估计M估计的分布. 相似文献
9.
10.
11.
用随机加权法建立了分位点q的置信区间,又用后向临界点导出了更实用的置信区间。导出的置信区间是非参数的且和原置信区间长度相同。 相似文献
12.
针对具有多阶段试验信息的参数估计问题,考虑到历史数据和现场数据的不可等同性,给基于历史数据的似然函数加一个权参数a0(0≤a0≤1)的方案,结合动态修正Bayes估计方法,建构并推导出正态分布方差的加权先验Bayes估计模型. 相似文献
13.
提出一种新的降维方法, 加权方差估计(WVE), 它包含了切片平均方差估计(SAVE)作为特例. 并且利用Bootstrap方法从WVE中 选择出最优估计, 给出了维数的选择方法. 该最优估计通常远好于已有方法, 比如切片逆回归(SIR)等. 已有的许多方法, 如SIR, SAVE等, 通常对每个 观测给予相同的权来估计中心子空间(CS). 通过引入权函数, WVE根据观测样本距中心子空间的距离, 对不同观测给予不同权重. 权函数使得WVE在很 一般或复杂的情形下有很好的表现, 比如, 回归变量的分布严重偏离椭圆对称分布. 而椭圆对称分布假设是许多方法 的基本假定, 如SIR, SAVE等. 和已有方法相比, WVE对自变量的分布不敏感. 本文建立了WVE的相合 性. 与其他方法的模拟比较表明了WVE的优点. 相似文献
14.
半参数回归模型中随机加权M估计的强逼近 总被引:4,自引:0,他引:4
用随机加权法给出了半参数回归模型中参数的随机加权M估计,在一般的条件下证明了用随机加权统计量的分布逼近原估计量误差的分布的强有效性,并给出了M估计的最优强收敛速度。 相似文献
15.
半参数回归模型中小波估计的随机加权逼近速度 总被引:10,自引:1,他引:9
把小波光滑方法和随机加权方法结合在一起,获得了半参数回归模型中参数分量的小波估计的随机加权逼近速度为σ(n^-1/2)。因此,从大样本意义上说,小波光滑方法和随机加权方法对半参数回归模型是可用的。 相似文献
16.
<正> §1.引言 1979年,Efron为估计基于独立观测值的统计量的分布,提出了一种很一般的重新抽样程序,称为Bootstrap:以一样本情形为例,设从分布F完全未知的总体中抽得大小为n的简单随机样本X_i=x_i,i=1,…,n.记X=(X_1,…,X_n),x=(x_1,…,x_n),它们分别表示随机样本及其特定的观测值.今给定一个随机变量R(X,F),它可能不仅依赖于X而且依赖于未知分布F.问题是要根据观测数据x去估计R的抽样分布。 相似文献
17.
18.
王炳章 《高校应用数学学报(A辑)》1997,(2):157-162
研究了一种最近邻回归估计的分布逼近问题,利用随机加权法,给出了最近邻回归估计误差的逼近分布及其逼近的精度,从而改进了文献「1」的结论。 相似文献
19.
YuZhaoping 《高校应用数学学报(英文版)》2000,15(2):167-172
Abstract. In this paper ,Edgeworth expansion for the nearest neighbor-kernel and random weighting approximation of conditional density are given and the consistency and convergence rate are proved 相似文献