共查询到20条相似文献,搜索用时 15 毫秒
1.
AR模型识别及其参数的高阶Yule—Walker估计 总被引:1,自引:0,他引:1
一、引言自回归谱估计在许多领域获得了广泛的应用,随着科学技术的不断发展,对谱估计分辨力的要求越来越高.高阶 Yule-Walker 谱估计就是具有较高分辨力的一种估计(见[1]).为了进一步研究这种估计首先必须研究自回归模型阶的识别及其参数的高阶Yule-Walker 估计.通常使用的自回归定阶方法与参数的矩估计方法使用了样本自协方差函数(或样本自相关函数)在零点的值(?)(0)(或(?)(0))。而(?)(0)(或(?)(0))就是影响自回归谱估计分辨力的一个重要因素.实际上,通常的信号观测值包含两部分 相似文献
2.
讨论了一类参数空间受样本限制的极大似然估计问题.分析了随机变量分布的非零区域与似然函数定义域的对应关系,提出如果分布的非零区域受参数限制,则无论似然方程是否可解,参数的极大似然估计必然与样本顺序统计量X_((n))或X_((1))有关,并具体分析了似然估计一定等于、一定不等于和可能等于顺序统计量X_((n))(X_((1)))的三种情形,并给出了相应的判别条件.最后分析得出在第三种判别条件之下,似然估计是否取值于x_((n))(x_((1)))视具体的样本观测值决定. 相似文献
3.
基于伴随次序统计量的回归函数核估计的矩相合性 总被引:1,自引:0,他引:1
回归函数的核估计的大样本性质,多年来一直受到众多学者的关注,且早期的回归函数的核估计均是基于原样本{(Xi, Yi), i≥1},本文基于二维随机样本{(Xi, Yi), i≥1}的伴随次序统计量Y[r,n],定义了回归函数的核估计,在一定条件下,获得了回归函数核估计的r阶矩相合性,推广了已有文献中的部分结果. 相似文献
4.
《应用数学与计算数学学报》2017,(4)
综合非参数方法和Bayes思想提出0-1回归的区间估计方法,并证明了该估计的均方收敛性.通过数值模拟,对各种不同情况下区间估计的覆盖率、相对覆盖率及区间长度进行了对比分析.结果表明:区间估计的效果与样本观测总量有关,样本观测总量越大,覆盖率的波动越稳定,区间长度越短,相对覆盖率也就越大.对于较小的样本量,所得的区间估计仍然具有较好的效果. 相似文献
5.
6.
7.
陈乃辉 《纯粹数学与应用数学》2010,26(2):220-230
在函数逼近论的观点下研究了半参数变系数非线性回归函数的估计问题.采用总体之下L2多项式最佳逼近的方法与样本之下矩估计的方法,独立地分别作出非参数部分与变系数参数部分的解析函数形式的估计,最终得到回归函数的L2与强相合之联合收敛意义下的估计. 相似文献
8.
9.
10.
假定随机误差分布来自具有重尾特征的scale mixtures of normal分布族,运用贝叶斯方法研究了函数型线性回归模型的稳健性估计,其中模型的响应变量为标量,解释变量为函数型变量.数值模拟结果表明:当响应变量的观测数据存在离群值时,建立的方法得到的模型参数的估计,要优于正态分布假定下的模型参数的估计. 相似文献
11.
12.
13.
14.
15.
16.
条件密度的强相合的双重核估计 总被引:4,自引:1,他引:3
根据从总体抽取的一个样本去估计总体分布的密度函数,在实际应用中具有重要意义.然而在非参数回归、条件分布和条件分位数的估计时,经常要用到条件密度,为此,我们考虑条件密度如下形式的核估计. 相似文献
17.
随着信息技术的高速发展,每条数据所包含的信息越来越丰富,使得数据不可避免地含有异常值,且随着维数的增加,异常值出现的可能性更大。传统的主成分聚类分析对异常值特別敏感,基于MCD估计的主成分聚类方法虽然对异常值具有防御作用,但是在高维数据下MCD估计的偏差过大,其稳健性显著降低,而且当维数大于观测值个数时MCD估计失效。为此本文提出了基于MRCD估计的稳健主成分聚类方法,数值模拟和实证分析表明,基于MRCD估计的主成分聚类分析的效果优于传统的主成分聚类分析和基于MCD估计的主成分聚类分析,尤其是在维数大于样本观测值的情况下,MRCD估计更为有效。 相似文献
18.
对一大类非参数回归函数,基于m(n)相依样本构造了回归函数的近邻估计并在合适的条件下获得了估计的一致强相合性及收敛速度. 相似文献
19.
截尾数据时回归函数基于分割估计的相合性 总被引:2,自引:0,他引:2
设(X1,Y1),(X2,Y2),…,(Xn,Yn)为取值于Rd×R1中i.i.d.样本,本文在截尾样本下,研究了非参数回归函数基于分割估计及改良基于分割估计的强相合性. 相似文献
20.
左截断数据是一类具有特殊结构的缺失数据,当且仅当研究变量大于一定的阈值时才能取得观察值.本文针对左截断数据下的非线性回归模型,提出了加权分位数估计方法,利用加权方式处理左截断缺失数据,取得了与完整数据相近的估计结果.并在一定假设条件下,证明了所提估计方法的一致性和渐近正态性等大样本性质,最后通过数值模拟展现所提估计方法的有限样本表现. 相似文献