带L1规划的广义线性模型中的一种系数估计法

介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型.事实上,此算法用来选择变量更有用.L1规划法按照对系数一范数的惩罚来选择变量,是向前选择变量法的一种改进,运用凸优化的预测—修正法,GLM系数估计法可有效地算出系数,其中规划参数的步长对控制系数精确性至关重要,本文对三种步长选择法作了相应的比较和分析,接着给出算法的推广,最后总结算法并且对这种估计法的应用范围进行了展望.     

基于ERSS2的符号秩检验

针对K元排序集抽样的一个特例极端排序集抽样2(ERSS2)进行符号秩检验,给出该抽样方法的精确和大样本渐近分布,通过分析计算ERSS2与简单随机抽样SRS的Pjtman渐近相对效率,得出在排序花费不可忽略时,对小样本,在检验中位数时,ERSS2比RSS更有效,然而对于大样本的情形,ERSS2只优于SRS.     

高值与低值空间聚类的精确检测

提出了两个调整数据的新方法来弥补通常空间聚类检测的不足,从而能够对高值或低值聚类进行精确检测.两个方法被分别在模拟的空间类型中应用于Moran'I检测.结果表明,当不存在空间聚类时,该方法对原检测毫无影响;当有聚类趋势时,经该方法调整数据后,可以显著地检测出高值或低值聚类的存在.     

基于GRSS的均匀分布分位数的估计

主要讨论的是基于ni不固定的广义排序集样本的均匀分布分位数的估计,提出了包括GRSS最小方差无偏估计,简单估计和均衡排序集估计,计算了方差和相关系数,并相互进行了比较.