已閱讀1頁，還剩33頁未讀， 繼續(xù)免費(fèi)閱讀
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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文針對嶺估計(jì)中嶺參數(shù)的確定問題，給出了一種新的逐步改進(jìn)嶺參數(shù)k的方法。這種方法能夠通過調(diào)整嶺參數(shù)來進(jìn)一步減少嶺估計(jì)的均方誤差，并改進(jìn)了Hoerl和Kennard的結(jié)果。針對線性回歸模型病態(tài)的根本原因，本文從統(tǒng)一的角度提出了一類新的估計(jì)-c-(K，S)型估計(jì)。它將泛嶺估計(jì)與Stein的SLS估計(jì)統(tǒng)一到一個估計(jì)類，證明了在均方誤差意義下運(yùn)用Stein式壓縮技術(shù)可以改進(jìn)泛嶺估計(jì)；研究了其相應(yīng)參數(shù)的最優(yōu)值，并分別給出了它的一個上界及下界。本文
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 約束線性模型參數(shù)的Stein估計(jì)和嶺估計(jì)的研究.pdf
- 約束嶺型Stein估計(jì)和上市公司財(cái)務(wù)困境研究.pdf
- 36603.半?yún)?shù)可加模型的嶺估計(jì)
- 基于數(shù)據(jù)增廣方法改進(jìn)的嶺回歸估計(jì).pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計(jì).pdf
- 關(guān)于嶺估計(jì)的若干問題研究.pdf
- 線性回歸模型參數(shù)的Stein型根方估計(jì).pdf
- 帶約束線性模型嶺估計(jì)的影響分析.pdf
- 廣義嶺型主相關(guān)估計(jì)與可容許性的研究.pdf
- 參數(shù)的E Bayes估計(jì)和多層Bayes估計(jì).pdf
- 40243.基于奇異矩陣的廣義嶺估計(jì)及其性質(zhì)
- 回歸系數(shù)的廣義嶺型主相關(guān)估計(jì)方法.pdf
- 廣義單指標(biāo)模型中指標(biāo)向量的嶺型估計(jì).pdf
- 特殊數(shù)據(jù)的廣義嶺估計(jì)迭代算法及其實(shí)現(xiàn).pdf
- 基于logistic回歸與嶺估計(jì)的最受尊重上市公司預(yù)測
- 帶等式約束的奇異線性回歸模型的條件嶺型估計(jì).pdf
- 基于Logistic回歸與嶺估計(jì)的最受尊重上市公司預(yù)測.pdf
- 22826.線性模型回歸系數(shù)的一種有偏估計(jì)——綜合ck嶺估計(jì)
- 參數(shù)估計(jì)與非參數(shù)估計(jì)
- 非參數(shù)函數(shù)的單調(diào)估計(jì)和減小方差估計(jì).pdf
評論
0/150
提交評論