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、在研究線性模型的時候,矩陣知識是不可或缺的,其中矩陣廣義逆的知識顯得尤為重要。本文首先給出并研究了矩陣的左對稱因子、右對稱因子及對稱因子在代數(shù)上的各種構(gòu)造和性質(zhì),并結(jié)合{2}-逆的研究,給出了在給定列空間和零空間時{2,3}-逆和{2,4}-逆的構(gòu)造,為廣義逆研究提供了全新的思路。 有關(guān)線性模型中有偏估計的研究一直是統(tǒng)計學中回歸分析的一個熱點問題。基于最小二乘理論在處理設(shè)計陣復共線性問題上的不足,線性有偏估計則是改進最小二乘估計
2、的最直接方法。但是,目前所研究的線性模型的有偏估計大都是在非奇異線性模型(協(xié)方差陣為正定陣)的情況之下進行的,為了研究奇異線性模型的有偏估計,本文對最小二乘統(tǒng)一理論提出了新的思考。因為很多非奇異線性模型下的結(jié)論,在用最小二乘統(tǒng)一理論之后,大都可以得到相應的奇異線性模型下的結(jié)果,但在最小二乘統(tǒng)一理論中 T 的構(gòu)造可知它不一定可逆,這導致了一些非奇異線性模型下的結(jié)論,在用最小二乘統(tǒng)一理論后,仍然不可以得到或很難得到相應的在奇異線性模型下的結(jié)
3、論,所以本文提出了嶺型最小二乘統(tǒng)一理論,它提供了一種在最小二乘統(tǒng)一理論失效或者處理起來相對困難的情況之下解決這類問題的一種方法。接下來就針對線性模型(包括奇異、非奇異、降秩、滿秩的情況)設(shè)計陣的病態(tài)問題,考慮了回歸系數(shù)的橢球約束,獲得了在橢球約束下的任意線性模型的參數(shù)估計,并進一步研究了它的一些性質(zhì):并在非奇異線性模型的統(tǒng)一有偏估計的基礎(chǔ)上,給出了奇異線性模型的統(tǒng)一有偏估計以及一些特殊的有偏估計,并進一步討論了奇異模型的統(tǒng)一有偏估計及其
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
最新文檔
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 線性回歸模型參數(shù)有偏估計的研究.pdf
- 線性回歸模型系數(shù)有偏估計的研究和應用.pdf
- 線性模型參數(shù)有偏估計的若干研究.pdf
- 線性模型中的約束型有偏估計的研究.pdf
- 28373.混合系數(shù)線性模型參數(shù)的有偏估計
- 5720.帶隨機約束線性模型中參數(shù)的有偏估計
- 有偏估計下數(shù)據(jù)刪除模型的強影響分析.pdf
- 含缺失數(shù)據(jù)的約束線性模型回歸系數(shù)的有偏估計.pdf
- 奇異廣義線性度量誤差模型的參數(shù)估計.pdf
- 線性回歸模型參數(shù)有偏估計的進一步探討.pdf
- 40266.約束條件下線性模型參數(shù)有偏估計的研究
- 線性模型中有限總體的有偏預測.pdf
- 線性模型中自變量相對重要性的Shapley值估計與有偏估計.pdf
- 22826.線性模型回歸系數(shù)的一種有偏估計——綜合ck嶺估計
- 非線性因子分析模型及其在量表等價性研究中的應用.pdf
- 生長曲線模型參數(shù)的三種有偏估計.pdf
- 19533.混合系數(shù)模型參數(shù)的有偏估計
評論
0/150
提交評論