![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/10/8/7c9d9abd-da7c-4c48-9ab1-990f8308b34e/7c9d9abd-da7c-4c48-9ab1-990f8308b34epic.jpg)
![函數(shù)型數(shù)據(jù)與高維數(shù)據(jù)的同時置信帶方法.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/10/8/7c9d9abd-da7c-4c48-9ab1-990f8308b34e/7c9d9abd-da7c-4c48-9ab1-990f8308b34e1.gif)
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本論文主要針對函數(shù)型數(shù)據(jù)與高維數(shù)據(jù),分別建立變系數(shù)模型和單指標模型,研究在這兩種不同數(shù)據(jù)形式下如何構造模型中未知的非參數(shù)函數(shù)的漸近同時置信帶,即在未知函數(shù)的整個定義區(qū)間上構造一個二維區(qū)域,使其包含整條未知函數(shù)曲線的概率漸近等于事先給定的置信水平.
首先,我們考慮的是稀疏函數(shù)型數(shù)據(jù)的變系數(shù)模型,即隨時間變化的響應變量線性依賴于某些與時間獨立的協(xié)變量,但回歸系數(shù)表示為某個與時間有關的協(xié)變量的函數(shù).基于樣條光滑化方法,我們從數(shù)據(jù)出發(fā)
2、給出了系數(shù)函數(shù)的漸近置信水平下的同時置信帶.在對系數(shù)函數(shù)的假設檢驗中,所構造的置信帶成為對系數(shù)函數(shù)在其整個定義區(qū)間上的整體形態(tài)進行統(tǒng)計推斷的有力工具.我們利用數(shù)值模擬試驗證實了理論結果,同時通過分析有關CD4/HIV的研究實例數(shù)據(jù),說明如何推斷HIV病毒感染者感染前的吸煙狀況,感染前的CD4細胞百分數(shù)以及感染時的年齡對其感染后的CD4細胞百分比的影響,并給出相應的p-值.
其次,我們考慮的是高維數(shù)據(jù)的半?yún)?shù)單指標模型.在過去的
3、二十五年中,對于單指標模型中的系數(shù)向量,許多文獻都給出了其各種各樣的√n階相合估計量.利用這些相合估計量,在比較一般的假設條件下,我們證明了通過對單指標變量(即系數(shù)向量的線性組合)的一元回歸所得的鏈接函數(shù)的核估計量具有默示有效性,即用單指標系數(shù)向量的真實值所構造的鏈接函數(shù)的估計量與用系數(shù)向量的√n階相合估計量所構造的鏈接函數(shù)的估計量,這兩個估計量之間是漸近等價的.接著,利用所得的鏈接函數(shù)的核估計量的默示有效性,我們構造出了鏈接函數(shù)的漸近
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 二維累積分布函數(shù)的光滑同時置信信封.pdf
- 高維數(shù)據(jù)集中離群數(shù)據(jù)挖掘方法的研究.pdf
- 基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類方法研究.pdf
- 條件方差函數(shù)的光滑同時置信帶.pdf
- 函數(shù)型數(shù)據(jù)建模的方法及其應用.pdf
- 高維稀疏數(shù)據(jù)的降維方法與應用研究.pdf
- 高維數(shù)據(jù)的聚類方法研究與應用.pdf
- 高維數(shù)據(jù)特征提取方法研究與實現(xiàn).pdf
- 面向高維異構數(shù)據(jù)的特征選擇方法.pdf
- 高維分類數(shù)據(jù)聚類方法研究與實現(xiàn)
- 高維分類數(shù)據(jù)聚類方法研究與實現(xiàn).pdf
- 面向高維數(shù)據(jù)降維與分類的深度模型構建方法研究.pdf
- 高維數(shù)據(jù)的降維及聚類方法研究.pdf
- 高維數(shù)據(jù)模型選擇方法的研究.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類方法研究.pdf
- 高維數(shù)據(jù)的聚類分析方法研究及其應用.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 基于直方圖的概率密度函數(shù)的同時置信帶.pdf
- 高維數(shù)據(jù)索引研究.pdf
- 高維數(shù)據(jù)的分類器集成方法研究.pdf
評論
0/150
提交評論