导读:本文包含了渐近正态论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:渐近,数据,模型,序列,多维,函数,方差。
渐近正态论文文献综述
余新新,刘香,胡宏昌[1]（2018）在《WOD随机序列的M估计的渐近正态性》一文中研究指出为研究宽象限相依(WOD)随机变量序列的M估计的渐近正态性,首先给出WOD随机序列及M估计的定义;然后利用M估计的方法得到未知参数的估计量;最后用构造函数和截断方法证明了的WOD随机序列的M估计渐近正态性.推广了负相协(简称NA)、负超可加相依(简称NSD)、负象限相依(简称NOD)、广义负相关(简称END)及独立随机变量序列的相应结论.(本文来源于《纺织高校基础科学学报》期刊2018年04期）
孙高明,解俊山[2]（2018）在《高维Wilks'λ统计量的渐近正态性》一文中研究指出运用矩母函数的连续性定理以及多元伽马函数的渐近展开方法,研究了高维Wilks'λ统计量的极限分布.针对Wilks'λ统计量在高维大样本数据下的情形,先假定随着n→∞,有p→∞,q→∞,且n>p≥q,进而分别在q/(n+q)→c1∈(0,1),q/(n-p+q)→c2∈(0,1]和若q/n→0,则p/n→0两种条件下,给出了高维Wilks'λ统计量的渐近正态性,并得出了均值和方差的较为简洁的渐近表达式.同时也利用数值模拟方法验证了理论结果的有效性和精确性.(本文来源于《河南大学学报(自然科学版)》期刊2018年06期）
林松,尹长明,吴迪[3]（2018）在《高维纵向数据广义估计方程的渐近正态性》一文中研究指出在广义线性模型中,运用Markov inequality等定理,在满足一般规律时,证明了估计方程之间的一些关系;并进一步证明了βn与βn0是渐近相合的.最后运用Lyapunov条件,在满足一般规律的情况下,证明了广义Poisson分布估计量的渐近正态性.以上结果均是在较弱的条件下证明得到,并对相应的结果进行了改进.(本文来源于《内江师范学院学报》期刊2018年10期）
陈敏琼[4]（2019）在《条件分布对称性的一个一致性检验及渐近正态性（英文）》一文中研究指出本文研究了条件分布对称性检验的问题.借助能量距离的概念与思路,提出了条件能量距离的概念.基于条件能量距离构造出一个新的条件分布对称性的检验统计量,该统计量具有带随机核的U-统计量的形式.利用带随机核U-统计量理论证明得到该检验统计量的一致性及在原假设下的渐近正态性的结果.(本文来源于《数学杂志》期刊2019年02期）
李丹丹,刘琳[5]（2018）在《部分线性模型下Adaptive Dantzig Selector方法的渐近正态性》一文中研究指出变量选择是处理超高维数据过程中重要的部分.本文提出部分线性模型下ADS(Adaptive Dantzig Selector)方法,并证明其渐近正态性.通过数值模拟以及大众点评网数据,验证此方法的可行性以及高精准性.(本文来源于《纯粹数学与应用数学》期刊2018年02期）
李双博[6]（2018）在《相依函数型数据的局部回归估计的渐近正态性》一文中研究指出非参数统计是统计研究的一个重要方面,其中核函数估计和局部多项式方法是这一类研究中的常用方法。函数型数据的非参数方法中以核函数估计方法较为常见,且其收敛速度与极限分布无论在独立情形还是相依情形都有理论结果。而局部多项式的研究在函数型数据背景下较为少见,原因在于将局部多项式方法推广到函数型数据背景一直是一个难题,前人的研究都要求数据具有独立同分布的性质,然而许多实际数据并不符合这一假设。本文研究了在相依函数型数据情形下局部回归估计的渐近正态性。由于估计方法有差异,核函数估计的研究方法无法直接推广到局部回归估计,而相依性结构也给研究带来了一些挑战,本文采用Bernstein分块方法将相依性问题转化为渐近独立的问题,从而得到了估计的渐近正态性,同时采用数据模拟的方法进一步验证了渐近正态的结果。(本文来源于《统计研究》期刊2018年06期）
彭东海[7]（2018）在《泊松分布样本均值与方差之差的渐近正态性》一文中研究指出基于多维随机向量的中心极限定理及delta方法,证明泊松分布的样本均值与方差之差的渐近正态性。(本文来源于《现代计算机(专业版)》期刊2018年10期）
张颖[8]（2018）在《加权N-W核估计量的渐近正态性研究》一文中研究指出文章利用改进了的N-W核估计量—加权N-W核估计量来估计回归函数,在给定的条件下,证明了加权N-W核估计量的渐近正态性,并通过模拟研究得出,利用非参数核估计法估计回归函数时,加权N-W核估计量要优于N-W核估计量。(本文来源于《统计与决策》期刊2018年02期）
余新新,胡宏昌,刘香[9]（2017）在《叁种相依随机序列的M估计的渐近正态性》一文中研究指出随机变量的渐近正态性是统计学中研究的热点之一.利用负相协(NA)、负超可加相依(NSD)、渐近几乎负相依(AANA)叁种相依随机序列的性质及一些不等式,在适当的条件下得到了叁种相依随机序列的M估计的渐近正态性.这些结果推广了独立随机变量序列的相应结论.(本文来源于《湖北师范大学学报(自然科学版)》期刊2017年04期）
刘双花[10]（2017）在《对数线性Possion分布模型极大似然估计的渐近正态性》一文中研究指出在0<c_1≤λ_i≤c_2(i=1,2,...n)且n∑i=1Z′_iZ_i→∞(n→∞)等条件下,证明了联系函数是对数函数g(λ_i)=lnλ_i的Possion分布模型回归参数极大似然估计的渐进正态性,其中Z_i,i=1,2...,n是协变量,F_n是信息矩阵。(本文来源于《教育现代化》期刊2017年51期）
渐近正态论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
运用矩母函数的连续性定理以及多元伽马函数的渐近展开方法,研究了高维Wilks'λ统计量的极限分布.针对Wilks'λ统计量在高维大样本数据下的情形,先假定随着n→∞,有p→∞,q→∞,且n>p≥q,进而分别在q/(n+q)→c1∈(0,1),q/(n-p+q)→c2∈(0,1]和若q/n→0,则p/n→0两种条件下,给出了高维Wilks'λ统计量的渐近正态性,并得出了均值和方差的较为简洁的渐近表达式.同时也利用数值模拟方法验证了理论结果的有效性和精确性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
渐近正态论文参考文献
[1].余新新,刘香,胡宏昌.WOD随机序列的M估计的渐近正态性[J].纺织高校基础科学学报.2018
[2].孙高明,解俊山.高维Wilks'λ统计量的渐近正态性[J].河南大学学报(自然科学版).2018
[3].林松,尹长明,吴迪.高维纵向数据广义估计方程的渐近正态性[J].内江师范学院学报.2018
[4].陈敏琼.条件分布对称性的一个一致性检验及渐近正态性（英文）[J].数学杂志.2019
[5].李丹丹,刘琳.部分线性模型下AdaptiveDantzigSelector方法的渐近正态性[J].纯粹数学与应用数学.2018
[6].李双博.相依函数型数据的局部回归估计的渐近正态性[J].统计研究.2018
[7].彭东海.泊松分布样本均值与方差之差的渐近正态性[J].现代计算机(专业版).2018
[8].张颖.加权N-W核估计量的渐近正态性研究[J].统计与决策.2018
[9].余新新,胡宏昌,刘香.叁种相依随机序列的M估计的渐近正态性[J].湖北师范大学学报(自然科学版).2017
[10].刘双花.对数线性Possion分布模型极大似然估计的渐近正态性[J].教育现代化.2017
论文知识图
