首页 | 本学科首页   官方微博 | 高级检索  
     检索      

多元条件密度函数的投影追踪估计方法
引用本文:叶阿忠,Rob J Hyndman.多元条件密度函数的投影追踪估计方法[J].福州大学学报(自然科学版),2006,34(6):794-797.
作者姓名:叶阿忠  Rob J Hyndman
作者单位:1. 福州大学管理学院,福建,福州,350002
2. 莫纳什大学计量经济和商务统计系,墨尔本,3800,澳大利亚
基金项目:国家自然科学基金;国家社会科学基金
摘    要:由多元条件密度函数fYX(yx)(x∈Rp)可以知道许多被解释变量Y对解释变量X的回归关系的信息,其条件期望就是回归函数,条件方差就是回归误差项的条件方差.为了克服高维空间数据稀松性带来的估计上的困难,提出多元条件密度函数的投影追踪估计方法,通过最小化Ku llback-Le ib ler距离,得到了最优初始条件密度函数和每一步的增量函数和方向向量,还给出了估计步骤及其终止法则.

关 键 词:多元条件密度函数  投影追踪  Kullback-Leibler距离  终止法则
文章编号:1000-2243(2006)06-0794-04
修稿时间:2006年3月23日

Projection pursuit estimator for multivariate conditional densities
YE A-zhong,Rob J Hyndman.Projection pursuit estimator for multivariate conditional densities[J].Journal of Fuzhou University(Natural Science Edition),2006,34(6):794-797.
Authors:YE A-zhong  Rob J Hyndman
Institution:YE A-zhong1,Rob J Hyndman2(1.College of Management,Fuzhou University,Fuzhou,Fujian 350002,China;2.Department of Econometrics and Business Statistics,Monash University,Melbourne 3800,Australia)
Abstract:As we know,the conditional density function of a random variable given a dependent random vector shows us a lot of information about their related regression.Its mean is regression function and its variance is the conditional variance of regression error.To overcome the curse of(dimensionality),we present the projection pursuit estimator for multivariate conditional densities in this paper.The optimal initial conditional density function,augmenting function and direction(vector) are obtained by minimizing the Kullback-Leibler distance.We also give the estimation(procedure) and its termination criteria.
Keywords:multivariate conditional densities  projection pursuit  Kullback-Leibler distance  (termination) criteria
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《福州大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《福州大学学报(自然科学版)》下载免费的PDF全文
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