2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩35頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、半?yún)?shù)回歸模型是二十世紀八十年代發(fā)展起來的,一種新穎的重要的統(tǒng)計模型.該模型最早由Engle,Granger,Rice和Weiss(1986)在研究氣候條件對電力需求影響這一實際問題時提出.近年來,半?yún)?shù)回歸模型已成為人們研究最多的一種模型。給定一個半?yún)?shù)回歸模型yi=x'iα+g(t)+ei,1≤i≤n{(xi,ti),1≤i≤n}為i.i.d.隨機設計或固定非隨機設計點列且xi∈Rp,α是p×1未知待估參數(shù),g(·)為R1上未知函數(shù)

2、,我們稱α為模型(1)的參數(shù)分量,g(·)為非參數(shù)分量。
   多數(shù)學者把研究重點放在對已有數(shù)據(jù)進行分析,討論,從而得到參數(shù)分量α和非參數(shù)分量g(·)的估計,然后再對相應的估計作進一步的研究,討論它們的各種性質.但是實際上,對參數(shù)分量α并不是一無所知,根據(jù)以往實踐的經(jīng)驗,我們常常可以獲得對參數(shù)α和非參數(shù)分量g(·)的一些先驗信息,或稱為約束條件,也就是說需要研究參數(shù)分量α和非參數(shù)分量g(·)受到某種條件的制約時的估計情況。

3、>   本文首先針對參數(shù)β的模長受約束的情形,即針對模型{yi=x'iα+g(ti)+ei,1≤i≤n‖α‖≤M進行研究.其中,(xi,ti)是固定非隨機設計點列,xi=(xi1,xi2,…,xip)',α=(α1,…,αp)',(p≥1),g是定義在[0,1]上的未知函數(shù),α是未知待估參數(shù),0≤ti≤1,M為已知正常數(shù),且范數(shù)為通常的歐幾里德范數(shù).本文首次提出參數(shù)在范數(shù)約束下的半?yún)?shù)回歸模型問題并給出α估計(α)的具體形式,得到(α

4、)的形式類似于我們熟知的嶺估計。
   其次,當參數(shù)部分受到線性約束時,考慮以下模型{yn×1=Xn×pαp×1+gn×1+en×1,R1×pαp×1=d其中,X是n×p設計矩陣,α是p×1維未知待估參數(shù),g是未知光滑函數(shù),R是J×p已知列滿秩矩陣,d是已知常數(shù).基于此原因我們考慮兩種情況:平滑矩陣S是對稱的以及S是任意的.本文利用Profile Kernel方法在M.P.及P.K.基礎上給出線性約束下α估計量。
  

5、第三,考慮非參數(shù)約束半?yún)?shù)回歸模型:{yi=x'iα+g(t)+ε,1≤ i≤n g'(t)>0, t∈[0,1]利用懲罰局部多項式討論了半?yún)?shù)回歸模型在非參分量受到單調條件的限制時的(α)RLS及(g)RLS,并且研究了(α)RLS及(g)RLS的漸進性質,如相合性,漸進正態(tài)性和邊界點適應性等有利性質.除了單調性,新提出的估計在單調性和漸近性質之間達到了平衡.比起單調估計的慣用技術,新估計有顯式解并且在計算上更有效。
   第

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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。

評論

0/150

提交評論