学位论文 > 优秀研究生学位论文题录展示
单函数型指标模型回归函数和条件密度函数渐近性质的研究
作 者: 许谦
导 师: 凌能祥
学 校: 合肥工业大学
专 业: 应用数学
关键词: 单函数型指标模型 α-混合 回归函数 条件密度 条件众数 几乎完全一致收敛速度 渐近正态性
分类号: O212.7
类 型: 硕士论文
年 份: 2013年
下 载: 20次
引 用: 0次
阅 读: 论文下载
内容摘要
实际中,随着获取数据的技术和方式的日新月异,越来越多的领域所采集到的观测数据都具有函数型的特点,也正因为此,致使函数型数据的理论研究成为目前统计领域的热点问题之一。与传统观测到的数据不同的是,函数型数据是无限维的,这样给我们的统计推断及数据分析带来了极大的挑战,于是在数据建模之前降低变量的维数是非常有必要的。而单指标模型是一种重要的半参数模型,它将一个多元向量转化为一个单指标参数,不仅具有降维的作用,而且抓住了高维数据的重要特征。因此,对于函数型单指标模型的研究逐渐备受学者们的关注。本学位论文主要研究单函数型指标模型的回归函数和条件密度函数的渐近性质,并得到了很好的结果,具体内容如下:一、基于-混合相依函数型时间序列数据,利用Kolmogorov-熵的方法,获得了单函数型指标模型非参数回归函数估计的几乎完全一致收敛速度;二、研究了函数型时间序列数据单指标模型的条件密度函数的双重核估计,获得了条件密度估计及条件众数估计在α-混合条件下的渐近正态分布;三、作为对研究结果的应用,获得了条件密度及条件众数的近似1-ξ置信区间。
|
全文目录
摘要 5-6 ABSTRACT 6-7 致谢 7-9 第一章 绪论 9-13 1.1 研究背景 9-10 1.2 单函数型指标模型的研究现状 10-11 1.3 本文内容安排 11-13 第二章 预备知识 13-17 2.1 函数型数据简介 13 2.2 随机变量序列的相关概念 13-15 2.2.1 随机变量序列的几种收敛性 13-14 2.2.2 Slutsky 定理 14-15 2.2.3 条件期望 15 2.2.4 α-混合的概念 15 2.3 Kolmogorov-ξ 熵的定义 15-16 2.4 几个重要的不等式 16-17 第三章 回归函数估计的几乎完全一致收敛及收敛速度 17-23 3.1 模型及假设条件 17-18 3.2 主要结论及证明 18-22 3.2.1 主要定理 19 3.2.2 若干引理及定理的证明 19-22 3.3 本章小结 22-23 第四章 条件密度核估计的渐近正态性 23-33 4.1 模型及假设条件 23-24 4.2 主要结论及证明 24-32 4.2.1 主要定理 25-26 4.2.2 若干引理及定理的证明 26-29 4.2.3 条件众数 29-32 4.3 本章小结 32-33 第五章 总结与下一步研究计划 33-35 5.1 论文总结 33-34 5.2 下一步研究计划 34-35 参考文献 35-39 攻读硕士学位期间发表的论文 39-41
|
相似论文
- 广义线性模型的若干问题研究,O212.1
- 若干矩阵分布的一致渐近正态性,O212.4
- 均值协方差模型中非约束参数的最大似然估计,O212.1
- n维单形上带有多项式核最小二乘正则化算法的逼近阶,O174.41
- 有缺失协变量的相对危险率模型的估计理论及其渐近性质,O212.1
- 缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性,O212.1
- 广义线性模型中极大拟似然估计的相合性与渐近正态性,O212.1
- α混合样本优化型CVaR估计的大样本性质,F832.51
- α-混合样本下VaR分位数估计的Bahadur表示及其渐进正态性,F830
- 不同生态条件下杂交水稻川江优527密度试验研究,S511
- 缺失数据情形非参数回归函数的估计,O212.1
- 不同倍性冬小麦对水分和密度的响应,S512.11
- 基于长记忆函数型数据条件分布特征量的非参数估计,O212.1
- 基于视觉注意的运动目标跟踪系统,TP391.41
- 中国股票市场非线性特征刻画,F832.51
- 基于CRI方法的重心法模糊系统及概率表示,O231
- 中国农业动态比较优势与贸易模式演进研究,F320;F752
- 时间序列的经验似然拟合优度检验,O211.61
- 图像超分辨率重建算法研究,TP391.41
- Copula回归函数和方向相依,O212.1
- 一类正极值指标的截尾估计量及退化椭圆方程的粘性解,O211.63
中图分类: > 数理科学和化学 > 数学 > 概率论与数理统计 > 数理统计 > 非参数统计
© 2012 www.xueweilunwen.com
|