污染数据半参数回归模型中的强相合估计

同删失数据一样 ,在实际工作中经常遇到一些关于污染数据的统计分析问题 .对于删失数据已得到了一系列较为深刻的结果 ,但对污染数据问题的研究却不多 .污染数据回归模型是生物统计中常用的模型 .考虑一类污染数据半参数回归模型 ,建立了模型的参数、回归函数和污染系数的估计 ,并在适当条件下证明了它们具有强相合性 .     

污染线性模型的矩估计

线性模型不仅在理论研究方面甚为重要,而且在社会生活领域的应用也日渐广泛.作为线性模型前沿科学研究的一部分,污染模型具有很高的应用价值.文中介绍了两种不同污染数据的线性模型,并用矩估计的统计方法给出了污染系数和模型中的其他未知参数的估计.     

基于混合样本的污染线性模型的非参数估计

研究污染线性模型 :yi=(1 -ε)xTiβ zi,1≤i≤n .设误差序列 {zi}是平稳的α 混合序列 ,fε(x)为其公共的未知密度函数 ,在假定Ez2 i<∞的情况下 ,讨论了基于残差的 fε(x)核估计的相合性及其收敛速度 .并构造了污染系数ε及回归参数 β的非参数估计 ,建立了估计量的强相合性及强收敛速度 .     

纵向数据部分线性模型的基于高斯伪似然的高效估计

在纵向数据部分线性模型中,基于高斯伪似然构造相关阵的相合正定估计,进而得到回归参数的高效估计,给出了估计的算法及基于高斯伪似然的相关阵模型的选择准则.模拟表明,基于高斯伪似然方法得到的参数估计是高效的.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

差分侧信道密码分析中泄露模型的线性回归分析

从统计学线性回归模型的角度研究密码设备差分侧信道分析攻击中泄露模型的建模及估计,在不需对设备信息泄露有提前了解的情况下,得出线性回归泄露模型,克服了传统泄露模型的局限性.首先,分析能耗泄露的随机模型从而构建线性回归模型,然后用最小二乘估计和最小一乘估计两种方法求解线性回归模型的系数,最后基于八位控制器PayTV-AES智能卡平台实现能耗泄露的建模及系数估计.通过对两种求解方法结果的比较,提出最小二乘估计比最小一乘估计更适合用于泄露模型的线性回归分析;通过对被估模型系数曲线的分析,提出线性回归分析可以用于测量数据的预处理,以提高泄露模型建模效率.     

函数型线性回归模型的三角样条估计

函数型数据的回归分析研究主要集中在函数型线性回归模型,基于三角样条估计的方法对模型中未知参数进行了估计.通过仿真实验验证了三角样条估计的均方误差比传统的多项式样条估计的均方误差更小,且在计算上用时更少,由此得出三角样条估计在部分函数型线性回归模型中具有一定的优越性.     

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 ,证明了所建立的估计量都具有强相合性     

区间数据的线性回归模型中误差项方差的估计

从无偏转换的思想出发,对区间数据的线性回归模型中误差项方差进行了估计.当截断变量的分布密度函数已知时,得到一批具有强相合性和渐近正态性的估计量,并通过模拟计算对这种估计方法的可行性进行了验证.     

基于EM算法和Gibbs抽样的污染模型的参数估计

研究简单回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计,运用EM算法给出了两类污染数据回归模型的参数的极大似然估计(MLE),并用Gibbs抽样的方法给出了未知参数的Monte-Carlo估计.     

删失情形下污染分布的近邻估计

本文研究了删失情形下污染分布中的污染系数和未知原分布的近邻估计，并且分别在删失分布已知和未知时证明了估计的一致弱相合性，最后给出了污染系数的模拟结果。     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

基于t函数的稳健变量选择方法

在已有研究的基础上,提出一种新的基于t函数的稳健变量选择方法.该方法通过惩罚估计方程中的惩罚函数达到变量选择的效果,方程中的权重矩阵和有界得分函数对自变量和因变量中的异常值有很好的限制作用,可同时达到稳健的变量选择和稳健估计.通过分析3种不同自由度的t函数性质,选取自由度为2的t函数,并与基于Huber函数的稳健变量选择方法进行比较.数值模拟结果表明,基于t函数的稳健变量选择方法在2种污染力度、3种污染方式的数据污染情况下,其稳健性均明显优于基于Huber函数的稳健变量选择方法.与参数估计效果相比,基于t函数的稳健变量选择方法优势更明显.     

密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

提取强混沌干扰中谐波信号的方法

提出一种新的从强混沌干扰中提取谐波信号的方法. 根据混沌的几何性质, 应用相空间重构技术和离散小波变换, 建立一种新的相空间投影方法, 将谐波信号分离出来, 并对含噪谐波信号进行功率谱密度估计, 提取谐波信号的频率, 利用小波滤波和最小二乘估计, 提高谐波信号的提取精度. 通过计算机仿真实验, 表明该方法非常有效.      

变窗宽密度核估计的构造及均方相合性

通过对非参数密度核估计定义的理解,从一个崭新的角度提出了变窗宽密度核估计的思想,且对于i.i.d(独立同分布)随机变量的密度函数,给出了一种新的核估计方法,并以定理形式得出在一定条件下,此核估计具有均方相合性,并给出了证明.     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

多元条件密度函数的投影追踪估计方法

由多元条件密度函数fYX(yx)(x∈Rp)可以知道许多被解释变量Y对解释变量X的回归关系的信息,其条件期望就是回归函数,条件方差就是回归误差项的条件方差.为了克服高维空间数据稀松性带来的估计上的困难,提出多元条件密度函数的投影追踪估计方法,通过最小化Ku llback-Le ib ler距离,得到了最优初始条件密度函数和每一步的增量函数和方向向量,还给出了估计步骤及其终止法则.