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30頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、統(tǒng)計模型的參數(shù)估計問題一直是統(tǒng)計學(xué)研究的重點,當樣本不存在觀測誤差時,目前,我們有很多方法可以有效的估計出模型參數(shù).然而,在實際問題的應(yīng)用中,我們所得到的觀測樣本往往是存在觀測誤差的.所以,當觀測樣本存在著不同程度的觀測誤差,如何有效的估計出模型參數(shù)一直是統(tǒng)計學(xué)者面臨的問題.在這篇文章中,我們主要研究協(xié)變量帶有觀測誤差(erros-in-variable)的情況,這樣的統(tǒng)計模型,簡稱為EV模型. 在本文中,介紹兩種求參數(shù)估計的方

2、法:Stefanski方法和Stein方法.Stefanski(1985),針對線性和非線性模型,假定參數(shù)估計是基于M-估計(M-estimator)的,總結(jié)出—個通式.Whittemore(1989)提出了一種非常簡單的參數(shù)估計的方法,其基本思想是:當觀測誤差來自方差已知的高斯分布時,用基于帶有觀測誤差的觀測樣本的Stein估計代替不可觀測的協(xié)變量的真實值,再通過估計方程來求解參數(shù)的估計值. 在這篇文章中,還介紹了如何利用經(jīng)驗

3、似然方法求參數(shù)的置信區(qū)間.經(jīng)驗似然方法是統(tǒng)計推斷中的非參數(shù)方法.對于來自未知分布族中的樣本,我們可以用似然的方法去處理這些數(shù)據(jù),經(jīng)驗似然是一種非常有效的方法.Cui(2003)提出了用經(jīng)驗似然方法處理線性EV模型,得出估計參數(shù)的經(jīng)驗似然置信區(qū)域. 本文第一章詳細的介紹了Stefanski估計的應(yīng)用. 本文第二章詳細介紹了Stein估計的使用,以及比較了Stefanski估計和Stein估計在實際應(yīng)用中的效果,數(shù)據(jù)模擬的結(jié)

4、果顯示:Stefanski估計在一定程度上減小了估計的偏差,但卻損失了一部分估計的有效性.相對Stefanski估計,Stein估計是比較穩(wěn)定而有效的估計. Stein估計是針對在不同的觀測點上觀測誤差都相等的情形,對于在不同的觀測點上觀測誤差不相等的情況,本文作者提出了基于觀測方差的加權(quán)的Stein估計,在第二章中,比較了依然采用原始的Stein估計和經(jīng)過加權(quán)估計方程改進過的Stein估計(記為New-Stein)的不同的估計

5、效果,數(shù)據(jù)模擬結(jié)果顯示,當樣本容量較小時,原始的Stein估計是非常不穩(wěn)定的,經(jīng)加權(quán)估計方程求得的估計New-stein估計在估計的有效性和穩(wěn)定性明顯優(yōu)于前者.當樣本容量較大時,原始的Stein估計還是可以適用的,但其穩(wěn)定性不如New-stein估計. 本文第三章首先簡單介紹了經(jīng)驗似然方法的定義和應(yīng)用,然后將將經(jīng)驗似然方法應(yīng)用于EV模型,數(shù)據(jù)模擬結(jié)果顯示,經(jīng)驗似然置信區(qū)域的覆蓋率明顯高于由漸進正態(tài)分布求出的置信域的覆蓋率,而且當

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。
  • 6. 下載文件中如有侵權(quán)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