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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文是對由兩個普通的線性模型僅在誤差項相關(guān)的情況下組成的系統(tǒng)一半相依回歸系統(tǒng)進(jìn)行研究的,其基本模型形式如下:其中yi為n×1的觀測向量,Xi為n×pi的列滿秩矩陣,即rk(Xi)=pi,βi為pi×1的未知回歸參數(shù),ei為n×1的隨機誤差向量V=(o ij)為二階正定矩陣. 當(dāng)設(shè)計矩陣X1呈病態(tài)時,協(xié)方差改進(jìn)估計~β1的均方誤差很大,此時用~β1作為β1的估計準(zhǔn)確性大大降低.本文運用協(xié)方差改進(jìn)法提出了一類新的估計—C—κ型改進(jìn)估
2、計~β1(c,κ)對~β1做出改進(jìn)以減小均方誤差. 首先,在上述模型中,文章證明了在一定條件下c-κ型改進(jìn)估計優(yōu)于β1,嶺型改進(jìn)估計-β1(κ),stein改進(jìn)估計-β1(c)的性質(zhì);-β1(c,κ)在c一七型改進(jìn)估計類中的可容許性及其一定條件下在線性估計類中的可容許性;當(dāng)V未知時,我們給出了兩步估計-β1(T,c,κ后)及其統(tǒng)計性質(zhì),特別地,證明了當(dāng)樣本量n充分大時,-β1(T,c,κ)和~β1(c,κ)的一致有效性;同時討論
3、了改進(jìn)估計序列的各種性質(zhì). 其次,在上述模型的基礎(chǔ)上,文章討論了五列降秩時參數(shù)估計的情況.當(dāng)rk(x1)
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(hù)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(fù)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(zhǔn)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
- 半相依回歸模型的參數(shù)估計.pdf
- 相依線性回歸系統(tǒng)參數(shù)估計的改進(jìn).pdf
- 半相依回歸模型參數(shù)的Bayes估計.pdf
- 兩個半相依回歸公共參數(shù)的改進(jìn)估計.pdf
- 半相依回歸系統(tǒng)的根方估計.pdf
- 線性約束下半相依回歸系統(tǒng)的協(xié)方差改進(jìn)估計.pdf
- 半?yún)?shù)回歸模型的Bayes估計.pdf
- 縱向數(shù)據(jù)半?yún)?shù)回歸模型的估計理論.pdf
- 半?yún)?shù)回歸模型的估計方法和模擬分析.pdf
- 2379.半?yún)?shù)混合泊松回歸模型的估計
- 弱誤差半?yún)?shù)和非參數(shù)回歸模型估計的相合性.pdf
- C-半群的穩(wěn)定性與退化C-半群的逼近.pdf
- 含指標(biāo)項半?yún)?shù)回歸模型的估計與檢驗.pdf
- 線性回歸模型參數(shù)的Stein型根方估計.pdf
- 縱向污染數(shù)據(jù)半?yún)?shù)回歸模型中的強相合估計.pdf
- 一類新半?yún)?shù)回歸模型參數(shù)估計的強收斂速度.pdf
- 34068.半?yún)?shù)可加模型的liu型估計
- 基于Helmert方差分量估計的半?yún)?shù)回歸模型若干算法研究.pdf
- 線性回歸模型參數(shù)估計及異常點檢測方法改進(jìn).pdf
- 基于半?yún)?shù)回歸模型小波估計的若干問題研究.pdf
評論
0/150
提交評論