2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩40頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、學(xué)校代碼:10225學(xué)號(hào):S14449學(xué)位論文線性統(tǒng)計(jì)模型擾動(dòng)分析與局部非線性估計(jì)指導(dǎo)教師姓名:申請(qǐng)學(xué)位級(jí)別:論文提交日期:授予學(xué)位單位:程鵬鵬曹連英副教授東北林業(yè)大學(xué)碩士學(xué)科專(zhuān)業(yè):應(yīng)用數(shù)學(xué)2014年04月論文答辯日期:2CIJ1年0j目14同東北林業(yè)大學(xué)授予學(xué)位日期:2014年06月25一答辯委員會(huì)主席:論文評(píng)閱人:聾歲厶櫛素大學(xué)摘要線性統(tǒng)計(jì)模型是現(xiàn)代統(tǒng)計(jì)學(xué)中應(yīng)用最為廣泛的模型之一,也是其它統(tǒng)計(jì)模型研究的基礎(chǔ)。線性統(tǒng)計(jì)模型中的一個(gè)重要

2、內(nèi)容是參數(shù)估計(jì)。眾所周知,在實(shí)際問(wèn)題中由于測(cè)量及計(jì)算誤差的存在,得到的數(shù)據(jù)往往只是真值的某種近似,帶有一定的誤差和擾動(dòng)。自變量數(shù)據(jù)擾動(dòng)對(duì)參數(shù)估計(jì)的影響是本文所研究的內(nèi)容之一。同時(shí),在許多實(shí)際問(wèn)題中,模型變量是空間相關(guān)的,通過(guò)假定線性回歸模型中的回歸系數(shù)是其他自變量的未知函數(shù)以增加模型的靈活性和適應(yīng)性,將線性模型推廣為空間變系數(shù)模型。地理加權(quán)回歸方法在處理空間變系數(shù)模型的非平穩(wěn)性以及模型參數(shù)的估計(jì)問(wèn)題上起到了非常有效的作用。本文提出了一種

3、改進(jìn)的空間變系數(shù)模型參數(shù)的估計(jì)方法。本文主要由兩部分構(gòu)成:第一部分,基于線性模型的基本形式,以最小二乘估計(jì)、特征值擾動(dòng)以及Hermite矩陣為研究工具,對(duì)線性模型中數(shù)據(jù)擾動(dòng)問(wèn)題進(jìn)行研究,給出線性模型中的自變量數(shù)據(jù)出現(xiàn)擾動(dòng)后模型參數(shù)仍然可估的充分條件,并進(jìn)一步討論了數(shù)據(jù)擾動(dòng)對(duì)模型參數(shù)的影響,給出參數(shù)擾動(dòng)估計(jì)式。第二部分,空間變系數(shù)模型在諸多領(lǐng)域有著廣泛的應(yīng)用。本文在空間變系數(shù)模型的局部線性GWR擬合方法的基礎(chǔ)上,給出了空間變系數(shù)模型參數(shù)的

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)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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。

評(píng)論

0/150

提交評(píng)論