简介:研究了线性等式约束下线性模型中BLu估计关于协方差的稳健性,得到了在协方差发生变化时,条件可估函数c’β的条件BLU估计具有稳健性的充要条件.
简介:LMS算法是一种常用的估计法,但它的收敛速度较慢.采用短周期M序列相关估计法,其结构和算法与常规LMS自适应估计法相近,但收敛速度要快得多,非常适用于理论研究和工程实际的要求.计算机模拟结果表明,经200~300次迭代运算后,系统冲激响应抽样估计值误差小于0.01.
简介:对于一类相依线性回归系统,本文提出了一种泛岭改进估计,并讨论了这种估计及相应的两步估计的优良性质,获得了若干深入的结果。
简介:放弃了Luenberger状态估计理论对系统完全可观测性的要求,提出了一般线性离散系统状态估计的方法。对于j=i,i-1,给出了系统完全(i,j,Ti)可重构这一新概念的充要条件。
简介:针对线性回归模型Y=Xβ+l的典则形式Y=a01+Z+l,l-(0,σ^2I)在设计阵X呈病态时,提出了一类新估计(k;q)=(OkIq+Aw^A1O)^-1Z'Y,称之为广义岭型估计.优点是结合主成分估计和岭估计的思想和方法,将X'X的特征值分为不同大小属性的两部分A1与A2,并分别添加不同的常数,致使新估计类的均方误差大幅降低的同时计算量大大减少,而且便于对原变量做出解释.文中进一步讨论了该估计优于岭估计的k的存在性以及充分条件.
简介:本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计,给出了混合整数线性模型方差分量无信息和:有信息先验分布下的极大后验估计和最佳Bayes估计。
简介:基于平衡损失的思想和最小二乘统一理论,对带线性约束的一般线性模型提出了一种全面度量估计优良性的标准.给出了此标准下模型中回归系数线性函数的约束广义平衡LS估计,并得到了约束广义平衡LS估计唯一性的一个充分条件.
简介:局部线性估计是非参数回归中的一类重要估计方法.在相关研究结果的基础上,给出了局部线性估计教学中两类有用的推广.给出了多节点处局部线性估计的目标函数优化表达式,这有助于节省程序计算时间,又可以允许在一些先验信息下使得估计的函数是单调的.给出了数值模拟例子来说明推广的知识有着一定的应用价值.
简介:以提高估计量的精度为目的,定义了一种新的多个辅助变量的回归估计法,从理论上研究了该方法下权的选取方法,并将该方法下的估计量与Raj多辅助变量回归估计量、Ghosh多元线性回归估计量在精度上进行了数值比较,结果表明:这种新的多辅助变量的回归估计法在精度上优于Raj多辅助变量回归估计和Ghosh多元线性回归估计。
简介:采用有偏估计B∧(k)=[(X′X)-1-k(X′X)-2]X′Y估计多元线性模型中的回归系数B,通过k值的选取,可使β∧(k)=Vec[B∧(k)]的均方误差MSE小于β=Vec(B)的LS(最小二乘)估计β的MSE.
简介:对于线性对流占优扩散方程,采用特征线有限元方法离散时间导数项和对流项,用分片线性有限元离散空间扩散项,并给出了一致的后验误差估计,其中估计常数不依赖与扩散项系数。
简介:考虑一般的分块半相依线性回归(SUR)模型及其相应的简约模型,给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件.
简介:针对车载捷联惯导系统怠速条件下的初始对准问题,提出了一种基于罗德里格参数的线性最优估计自对准算法。利用姿态阵分解和凯莱变换,将任意姿态下的无初值初始对准问题简化为罗德里格参数的无约束线性最优估计问题。讨论了算法的有效性,推导了算法的对准误差公式,并设计了一种简洁的工程实现方案。利用车载捷联惯导系统进行了四位置对准试验,每个位置对准六次,结果表明,在发动机振动及外界随机扰动下,新算法可以在5min内完成对准,统计方位均方差(1σ)不超过3′。
简介:测量中大量的函数模型都是非线性回归模型.当回归变量含有一定的测量误差时,我们得到非线性测量误差模型.本文讨论了这种模型中未知参数具有正态先验分布时的参数Bayes估计方法,并对这种估计进行了影响分析,证明了删除模型与均值漂移模型中参数的Bayes估计相同,利用Cook统计量给出了删除模型下参数的Bayes估计的影响度量.
简介:利用矩阵广义逆的有关性质,研究了一般线性回归模型设计矩阵Xnxp非列满秩时回归参数β的可估计性,并给出了回归参数卢的某些线性函数c^Tβ可估计的充要条件.
简介:给出周期系数二阶线性微分方程特征指数的一种估计方法,该方法较为简洁、有效和实用,同时有较高的精度.
简介:提出了带插值点的拟线性最小二乘法,并给出了带插值点的拟线性最小二乘法拟合的最小二乘估计,证明了及其参数具有无偏性。
简介:给出了分段线性插值收敛速度的一种估计.
简介:在多元线性回归模型参数估计中,采用普通最小二乘法,必须在遵循经典的假定的条件之下才具有良好的性质,在违背基本假定的情况下,比如存在异方差和序列相关时,最小二乘法将不再是最佳的线性无偏估计量。而在放宽经典的假设之下,应用极大似然估计法和矩估计法仍然得到了与普通最小二乘法相同的结果。
简介:本文探讨了基于MCMC算法实现的一元线性回归模型参数估计的贝叶斯方法,对经典统计方法和贝叶斯统计进行了比较.
线性等式约束下线性模型中BLU估计的稳健性
线性系统相关估计法的研究
相依线性回归系统的泛岭改进估计
线性时变离散系统的状态估计
复共线性与广义岭型估计
混合整数线性模型方差分量的Bayes估计
带线性约束的线性模型中回归系数的平衡LS估计
局部线性估计教学中的两点推广
多辅助变量线性组合的回归估计
多元线性模型回归系数的有偏估计
线性对流占优扩散方程的后验误差估计
分块半相依线性回归模型的参数估计
基于罗德里格参数的线性最优估计自对准
具有测量误差的非线性模型的Bayes估计
一般线性模型回归系数的可估计性
周期系数二阶线性方程特征指数的估计
带插值条件的拟线性最小二乘估计
分段线性插值收敛速度的一种估计
基于多元线性回归模型参数估计的等价性证明
一元线性回归模型参数估计的MCMC算法