版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本論文主要針對(duì)函數(shù)型數(shù)據(jù)與高維數(shù)據(jù),分別建立變系數(shù)模型和單指標(biāo)模型,研究在這兩種不同數(shù)據(jù)形式下如何構(gòu)造模型中未知的非參數(shù)函數(shù)的漸近同時(shí)置信帶,即在未知函數(shù)的整個(gè)定義區(qū)間上構(gòu)造一個(gè)二維區(qū)域,使其包含整條未知函數(shù)曲線(xiàn)的概率漸近等于事先給定的置信水平.
首先,我們考慮的是稀疏函數(shù)型數(shù)據(jù)的變系數(shù)模型,即隨時(shí)間變化的響應(yīng)變量線(xiàn)性依賴(lài)于某些與時(shí)間獨(dú)立的協(xié)變量,但回歸系數(shù)表示為某個(gè)與時(shí)間有關(guān)的協(xié)變量的函數(shù).基于樣條光滑化方法,我們從數(shù)據(jù)出發(fā)
2、給出了系數(shù)函數(shù)的漸近置信水平下的同時(shí)置信帶.在對(duì)系數(shù)函數(shù)的假設(shè)檢驗(yàn)中,所構(gòu)造的置信帶成為對(duì)系數(shù)函數(shù)在其整個(gè)定義區(qū)間上的整體形態(tài)進(jìn)行統(tǒng)計(jì)推斷的有力工具.我們利用數(shù)值模擬試驗(yàn)證實(shí)了理論結(jié)果,同時(shí)通過(guò)分析有關(guān)CD4/HIV的研究實(shí)例數(shù)據(jù),說(shuō)明如何推斷HIV病毒感染者感染前的吸煙狀況,感染前的CD4細(xì)胞百分?jǐn)?shù)以及感染時(shí)的年齡對(duì)其感染后的CD4細(xì)胞百分比的影響,并給出相應(yīng)的p-值.
其次,我們考慮的是高維數(shù)據(jù)的半?yún)?shù)單指標(biāo)模型.在過(guò)去的
3、二十五年中,對(duì)于單指標(biāo)模型中的系數(shù)向量,許多文獻(xiàn)都給出了其各種各樣的√n階相合估計(jì)量.利用這些相合估計(jì)量,在比較一般的假設(shè)條件下,我們證明了通過(guò)對(duì)單指標(biāo)變量(即系數(shù)向量的線(xiàn)性組合)的一元回歸所得的鏈接函數(shù)的核估計(jì)量具有默示有效性,即用單指標(biāo)系數(shù)向量的真實(shí)值所構(gòu)造的鏈接函數(shù)的估計(jì)量與用系數(shù)向量的√n階相合估計(jì)量所構(gòu)造的鏈接函數(shù)的估計(jì)量,這兩個(gè)估計(jì)量之間是漸近等價(jià)的.接著,利用所得的鏈接函數(shù)的核估計(jì)量的默示有效性,我們構(gòu)造出了鏈接函數(shù)的漸近
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 二維累積分布函數(shù)的光滑同時(shí)置信信封.pdf
- 高維數(shù)據(jù)集中離群數(shù)據(jù)挖掘方法的研究.pdf
- 基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類(lèi)方法研究.pdf
- 條件方差函數(shù)的光滑同時(shí)置信帶.pdf
- 函數(shù)型數(shù)據(jù)建模的方法及其應(yīng)用.pdf
- 高維稀疏數(shù)據(jù)的降維方法與應(yīng)用研究.pdf
- 高維數(shù)據(jù)的聚類(lèi)方法研究與應(yīng)用.pdf
- 高維數(shù)據(jù)特征提取方法研究與實(shí)現(xiàn).pdf
- 面向高維異構(gòu)數(shù)據(jù)的特征選擇方法.pdf
- 高維分類(lèi)數(shù)據(jù)聚類(lèi)方法研究與實(shí)現(xiàn)
- 高維分類(lèi)數(shù)據(jù)聚類(lèi)方法研究與實(shí)現(xiàn).pdf
- 面向高維數(shù)據(jù)降維與分類(lèi)的深度模型構(gòu)建方法研究.pdf
- 高維數(shù)據(jù)的降維及聚類(lèi)方法研究.pdf
- 高維數(shù)據(jù)模型選擇方法的研究.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類(lèi)方法研究.pdf
- 高維數(shù)據(jù)的聚類(lèi)分析方法研究及其應(yīng)用.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 基于直方圖的概率密度函數(shù)的同時(shí)置信帶.pdf
- 高維數(shù)據(jù)索引研究.pdf
- 高維數(shù)據(jù)的分類(lèi)器集成方法研究.pdf
評(píng)論
0/150
提交評(píng)論