共查询到20条相似文献,搜索用时 15 毫秒
1.
研究了P^-混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相舍估计的充分条件.与相应结论比较,有了较大的实质性改进。 相似文献
2.
吴群英 《数学物理学报(A辑)》2005,25(1):41-46
研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文[1]定理3.1. 相似文献
3.
(ρ)混合样本线性模型M估计的强相合性 总被引:1,自引:0,他引:1
研究了(ρ)混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进. 相似文献
4.
吴群英 《数学物理学报(A辑)》2005,(1)
研究了混合样本线性模型中回归参数M估计的强相合性,在较弱的矩条件下,获得了M估计是强相合的充分条件,实质性地改进和推广了文[1]定理3.1. 相似文献
5.
研究了混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进. 相似文献
6.
本文研究线性模型中回归参数M估计的强相合性,给出一些较弱的充分条件.与相应结论比较,这里给出的条件对矩的要求有实质性的改进. 相似文献
7.
线性模型参数M估计的强相合性 总被引:14,自引:0,他引:14
本文研究线性模型中回归参数 M 估计的强相合性, 给出一些较弱的充分条件. 与陈希孺和赵林城的专著[1]中相应的结论比较, 这里给出的条件对矩的要求有较大的实质性改进. 相似文献
8.
研究了线性模型中回归参数 M估计的强相合性 ,在 dn=o( 1 / logn)情形下 ,给出了较弱的充分条件 .与 [1 ]中相应结论比较 ,我们将有界性条件改善为矩母函数存在性条件 ,因此作了实质性的改进 相似文献
9.
NA样本线性回归参数的M估计的强相合性 总被引:1,自引:0,他引:1
建立了随机误差为NA的线性模型中回归参数β_0的M估计的强相合性的充分条件.特别重要的是随机误差的矩条件只需要满足E|ψ_ (e_i)|~t,t>1 1/δ.这些弱的充分条件与陈希孺、赵林城(1996)、杨善朝(2002)的结论相比,不仅扩大了应用范围,而且对矩条件有较大的改进. 相似文献
10.
11.
《数学的实践与认识》2017,(19)
研究了以NSD序列(negatively superadditive dependent)为误差的广义线性模型,得到了未知参数的M估计.在较弱的条件下,利用指数不等式、NSD序列加权和的强收敛性和Borel-Cantelli引理等证明了未知参数M估计的强相合性.此结果推广了独立误差和NSD误差的线性模型的相应结果. 相似文献
12.
屈思敏 《数学的实践与认识》2012,42(19)
研究了随机误差为NOD序列的线性模型中回归参数β_0的M估计,在较弱的矩条件下证明了回归参数M估计的强相合性,推广和改进了陈和赵(1996),杨(2002)和Wu(2006)等的结果,推广了肖(2007)等的结果. 相似文献
13.
NA样本下部分线性模型中估计的强相合性 总被引:9,自引:0,他引:9
考虑回归模型:yi=xiβ+g(ti)+σiei,1<i<n,其中σ_i~2=f(ui),(xi,ti,ui)是固定非随机设计点列,f(·)和g(·)是未知函数,β是待估参数,误差{ei}为NA变量.我们对β的最小二乘估计βn和加权最小二乘估计Bn,在适当的条件下得到了它们的强相合性. 相似文献
14.
考虑线性系统模型 y=x'β_0 x'r_0e, (1)其中x为P维已知向量,β_0是未知的P维回归系数,e是1维不可观察的误差随机变量。 y在x下的条件u分位数可以写成: 相似文献
15.
16.
考虑回归模型:Y~((j))(x_(in),t_(in))=t_(in)β+g(x_(in))+σ_(in)e~((j))(x_(in)),1≤j≤m,1≤i≤n,其中σ_(in)~2=f(u_(in)),(x_(in),t_(in),u_(in))为固定非随机设计点列,β是未知待估参数,g(·)和f(·)是未知函数,误差{e~((j))(x_(in))}是均值为零的NA变量.给出基于g(·)和f(·)一类非参数估计的β的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的强相合性. 相似文献
17.
18.
夏明远 《数学物理学报(A辑)》1990,10(1):25-30
当误差项是不相关随机变量时[1]和[2]给出了线性模型中回归系数最小二乘估计弱相合性的充要条件。我们把这一结果推广到具有平稳随机误差项的线性模型。 相似文献
19.
设有该文第1节所描述的广义线性回归模型,以$\underline{\lambda}_n$和$\overline{\lambda}_n$分别记$\sum\limits_{i=1}^{n}Z_iZ_i^{\prime}$的最小和最大特征根,$\hat{\beta}_n$记$\beta_0$的极大似然估计.在文献[1]中,当\{$Z_i,i\ge1$\}有界时得到$\hat{\beta}_n$强相合的充分条件,在自然联系和非自然联系下分别为$\underline{\lambda}_n\rightarrow\infty$, $(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$(对某$\delta>0$)以及$\underline{\lambda}_n\rightarrow\infty$, $\overline{\lambda}_n=O(\underline{\lambda}_n)$.作者将后一结果改进为只要求$(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$,从而与自然联系情况下的条件达到一致. 相似文献
20.
本文研究了基于φ-混合样本且核为可变化的密度函数估计的强一致相合性,获得了与独立同分布样本时同样优良的收敛速度O((n/logn)~(-1/3)). 相似文献