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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、該文利用重復(fù)抽樣的方法,分別給出了簡(jiǎn)單線性結(jié)構(gòu)型EV模型和一般線性結(jié)構(gòu)型EV模型中的參數(shù)估計(jì),并討論了估計(jì)的強(qiáng)相合性與漸近正態(tài)性.得到了與[1]中對(duì)函數(shù)型EV模型的研究相平行的結(jié)果.對(duì)于簡(jiǎn)單線性結(jié)構(gòu)型EV模型,即ξ<,ij>=x<,i>+δ<,ij>,η<,ij>=y<,i>+ε
2、計(jì).在抽樣以及自變量和觀測(cè)誤差滿足適當(dāng)條件下,我們利用"加權(quán)獨(dú)立隨機(jī)變量和收斂性"的有關(guān)定理,得到了估計(jì)的強(qiáng)相合性.當(dāng)測(cè)量誤差服從正態(tài)分布時(shí),運(yùn)用特征函數(shù)這一工具得到了估計(jì)的漸近正態(tài)性;當(dāng)測(cè)量誤差不服從正態(tài)分布時(shí),只要測(cè)量誤差獨(dú)立,且自變量的觀測(cè)誤差(δ<,ij>)分布對(duì)稱,存在2+r(其r為任意正數(shù))階有限矩,則利用Lyapunov中心極限定理即可得到估計(jì)的漸近正態(tài)性.對(duì)于一般線性結(jié)構(gòu)型EV模型,該文給出了參數(shù)β,α的估計(jì),并在適當(dāng)條
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(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)頁內(nèi)容里面會(huì)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(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。
最新文檔
- 結(jié)構(gòu)型EV模型參數(shù)估計(jì)的相合性.pdf
- 缺失數(shù)據(jù)下EV模型的參數(shù)估計(jì).pdf
- 線性模型中的參數(shù)估計(jì).pdf
- 線性混合模型中的參數(shù)估計(jì).pdf
- 混合模型中的參數(shù)估計(jì)問題.pdf
- 混合模型的參數(shù)估計(jì).pdf
- 41614.帶有刪失數(shù)據(jù)的線性ev回歸模型的參數(shù)估計(jì)
- 42263.不可忽略缺失數(shù)據(jù)下的非線性ev模型的參數(shù)估計(jì)
- 線性混合模型中參數(shù)估計(jì)的研究.pdf
- 多元線性模型的參數(shù)估計(jì).pdf
- 混合模型參數(shù)估計(jì)的研究.pdf
- 41463.混合效應(yīng)模型中的參數(shù)估計(jì)
- 參數(shù)估計(jì)與非參數(shù)估計(jì)
- 線性模型中參數(shù)估計(jì)的相對(duì)效率.pdf
- 信號(hào)模型中若干參數(shù)估計(jì)問題的研究.pdf
- GEE方法在可信度模型結(jié)構(gòu)參數(shù)估計(jì)中的應(yīng)用.pdf
- 廣義線性模型中的參數(shù)估計(jì)問題.pdf
- 半相依回歸模型的參數(shù)估計(jì).pdf
- 兩因素利率模型的參數(shù)估計(jì).pdf
- 方差分量模型的參數(shù)估計(jì)問題.pdf
評(píng)論
0/150
提交評(píng)論