版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文的內(nèi)容主要是圍繞線性模型參數(shù)估計精度的評判展開的。在參數(shù)估計領(lǐng)域,評價一個參數(shù)估計方法的好壞,我們常常使用的是損失函數(shù)這樣一個數(shù)學(xué)統(tǒng)計工具。在線性模型領(lǐng)域,長期以來,二次損失,也就是均方誤差是評價一個估計方法好壞的重要方法。它反映了參數(shù)估計自身的精度問題。如果把反映整個模型擬合效果的統(tǒng)計量-殘差平方和也看作一個損失函數(shù),那么自然一個好的估計應(yīng)該使得這兩個方面都有較好的結(jié)果?;谶@個思想,Zellner提出了平衡損失函數(shù)的概念,就是將
2、模型擬合和參數(shù)精度控制結(jié)合起來。
本文的重點就是要用平衡損失函數(shù)來研究我們一種常見的估計方法—嶺估計的優(yōu)劣性,與之相比較的對象自然是最小二乘估計這樣一個統(tǒng)計學(xué)中最重要的估計方法。本文內(nèi)容主要分為三個部分。首先介紹所討論的數(shù)學(xué)模型,也就是正態(tài)線性模型,同時介紹本文的核心概念—平衡損失函數(shù)。第二部分主要是介紹參數(shù)估計領(lǐng)域的幾個重要估計方法和相關(guān)概念。在這部分中,最小二乘估計是其他所有估計方法的基礎(chǔ),由最小二乘估計的特點和在估計
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 區(qū)間數(shù)據(jù)形式下線性模型的參數(shù)估計.pdf
- 平衡損失下線性回歸模型回歸系數(shù)的估計理論.pdf
- 平衡損失函數(shù)下線性模型中回歸系數(shù)的線性可容許估計.pdf
- 統(tǒng)計決策觀點下線性模型參數(shù)估計優(yōu)良性研究.pdf
- 多元線性模型的參數(shù)估計.pdf
- 線性模型中的參數(shù)估計.pdf
- 線性混合模型中的參數(shù)估計.pdf
- 模糊線性回歸模型的參數(shù)估計.pdf
- 平衡損失函數(shù)下線性回歸系數(shù)的Stein估計及其性質(zhì).pdf
- 混合系數(shù)線性模型與約束線性模型的參數(shù)估計.pdf
- 線性協(xié)變量調(diào)整模型的參數(shù)估計.pdf
- 線性混合模型參數(shù)估計問題的研究.pdf
- 線性混合模型中參數(shù)估計的研究.pdf
- 線性模型參數(shù)估計的Pitman優(yōu)良性.pdf
- 線性模型參數(shù)估計的若干性質(zhì)研究.pdf
- 奇異廣義線性度量誤差模型的參數(shù)估計.pdf
- 線性模型中參數(shù)估計的相對效率.pdf
- 污染線性模型的參數(shù)和非參數(shù)估計的研究.pdf
- 線性模型參數(shù)估計若干問題研究.pdf
- 兩種特殊線性模型的參數(shù)估計.pdf
評論
0/150
提交評論