导读:本文包含了最小一乘估计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:最小,乘法,模型,线性,数据,渐近,参数。
最小一乘估计论文文献综述
贾子璇[1]（2019）在《污染数据半参数回归模型的最小一乘局部线性估计》一文中研究指出在生物和医学统计中,很多观测数据有时会受到不属于被观测个体的污染源的影响,而不显示真实值,一般称这类数据为污染数据.半参数回归模型是Engle等人在研究气候条件对电力需求影响这一实际问题时提出的,其形式为Y_i=X~T_iβ+g(T_i)+e_i,1≤i≤n.本文着重研究了污染数据模型在半参数回归模型下,得到的新模型的参数估计,具体来说,就是在回归误差和污染源均服从均值为零,方差己知的Laplace分布的条件下,采用最小一乘估计方法对新模型的线性部分进行估计,采用局部线性估计方法对新模型的非参数部分进行估计,再得到原始模型中各参数的估计.然后,证明了各个参数的估计的相合性.最后对本文提出的方法进行数值模拟,并与最小二乘局部线性估计方法进行对比,根据模拟结果,验证了最小一乘局部线性算法的有效性和稳健性.(本文来源于《吉林大学》期刊2019-05-01）
郭蕴华,汪敬东,任文峰,胡义,牟军敏[2]（2019）在《基于递推近似最小一乘的多传感器系统偏差稳健估计算法》一文中研究指出对于多传感器多目标跟踪问题,系统偏差对航迹融合精度有较大影响,因此在信息融合系统中,首先要对各传感器的系统偏差进行估计,而在含错误关联和观测野值的复杂环境下,传统系统偏差估计方法的性能会严重退化.对此,提出一种具有递推形式的近似最小一乘稳健估计算法,以减少异常噪声对偏差估计的不利影响.使用平方根平滑逼近函数替代最小一乘法的目标函数,基于牛顿方向及其秩1修正推导出该方法的递推求解框架.基于条件数分析,证明所提出算法的数值稳定性好于Huber方法.通过两个仿真算例,将所提出算法与已有其他算法进行对比验证.仿真结果表明,在含错误关联和观测野值的条件下,所提出算法可以改善偏差估计精度,并且明显好于已有的其他算法.(本文来源于《控制与决策》期刊2019年03期）
刘金元,李涛[3]（2017）在《最小一乘估计在多重检验中的应用——基于乳腺癌微阵列数据》一文中研究指出运用多重检验方法对高维数据进行推断统计分析.首先将最小一乘估计算法应用在多重检验分析中,构造出新的估计真实零假设个数的方法.其次对最小一乘与最小二乘方法估计真实零假设个数的准确性进行模拟比较分析,模拟结果表明前者较后者估算结果更准确.最后,将上述估计方法应用于乳腺癌微阵列数据的分析中寻找有表达差异的基因.检验结果共找到118个差异基因,其中85个基因在生物学上是有效基因,实证表明该方法具有一定的实用性.(本文来源于《数学的实践与认识》期刊2017年21期）
叶鹏,周秀轻[4]（2017）在《污染数据线性回归模型的最小一乘估计》一文中研究指出对于线性回归模型,在因变量受到另一与之独立的随机变量序列的污染时,基于最小一乘的方法给出模型参数的估计.在一定条件下,证明了估计量的相合性和渐近正态性,并使用模拟对估计方法的小样本性质进行了分析.模拟结果显示,本文所提方法在小样本情况下表现良好.(本文来源于《应用概率统计》期刊2017年03期）
赖学方,贺兴时[5]（2016）在《一种带有自适应惩罚权重的惩罚最小一乘估计》一文中研究指出为有效解决误差为重尾分布的高维线性回归模型的参数估计问题,提出一种新的参数估计方法,将一种"对数-指数-和"型的惩罚项与最小一乘估计相结合,在参数估计过程中能够自适应地调整各系数的惩罚权重,使参数估计结果更加准确稳定.对该方法进行数值实验测试,并选择同类型的几种参数估计方法进行对比,结果证明了该参数估计方法的有效性.(本文来源于《纺织高校基础科学学报》期刊2016年04期）
周德强[6]（2016）在《直接离散GM(1,1)模型参数估计的最小一乘法》一文中研究指出研究表明直接离散GM(1,1)模型对严格服从非齐次指数规律的原始数据进行建模,所得到的模型具有完全相同的指数规律,而当数据为近似非齐次指数规律时,直接离散GM(1,1)模型拟合效果较差。主要原因是直接离散GM(1,1)模型采用最小二乘法估计参数,稳健性不好造成的。针对这一情况,文章提出利用最小一乘法估计直接离散GM(1,1)模型参数改进上述不足。对比实验表明,采用最小一乘法估计参数得到的直接离散GM(1,1)模型具有很好的精度和稳健性,使得直接离散GM(1,1)模型的适用范围得到进一步扩大。(本文来源于《统计与决策》期刊2016年22期）
黄亚慧[7]（2016）在《偏t正态数据下基于最小一乘的回归估计和变量选择》一文中研究指出在现实生活中,我们收集到的实际数据,特别是某些数量经济和生物医学数据,非常频繁的存在异常值,而且这些数据经常不服从正态分布,而是服从具有一定偏度和尾部占更大比重的分布,这样一些数据的分布一般用偏t正态分布来刻画。于是,对偏t正态数据的统计分析具有重要的理论和实际意义。此外,在实际数据的收集过程中,很多抽样调查数据和实验数据都会受到无回答的干扰或是因为某种原因而丢失。因此,对缺失偏t正态数据的研究也是十分必要的。另一方面,对于呈现重尾分布或带有异常值的数据集,普通最小二乘或极大似然方法因其对异常值的敏感性估计效果可能不会理想,而最小一乘方法对异常值具有良好的耐抗性,并且统计分析结果不依赖于误差项的分布,稳健性比最小二乘和极大似然方法的稳健性好。基于此,论文的主要工作和获得的结果如下:第一:针对来自线性回归模型的有缺失的偏t正态数据,为减少数据中异常值对参数估计的影响,提高回归参数估计的稳健性及准确性,论文选取了回归插补方法处理缺失数据,并运用最小一乘方法估计回归参数,通过随机模拟方式,将论文给出的参数估计方法与极大似然估计方法对比,发现本文的方法是有效可行的。第二:在变量选择方面,为了进一步验证LAD方法的稳健性,对服从偏t正态分布的上证医药卫生指数,我们利用Wang等提出的LAD-lasso方法对其成分股进行了变量选择的实证分析研究,并与基于OLS的lasso方法进行对比,发现LAD-lasso方法在偏t正态分布下变量选择效果是理想的。(本文来源于《重庆大学》期刊2016-04-01）
吴刘仓,邱贻涛,詹金龙[8]（2013）在《一般联合均值与方差模型的T型估计与最小一、二乘估计》一文中研究指出假定一、二阶矩存在的条件下,文章研究了一般联合均值与方差模型的T型估计与最小一、二乘估计,通过模拟比较了T型估计与最小二乘估计两种估计方法,模拟和实例研究结果表明对该模型参数的两种估计方法是有用和有效的,尤其是T型估计更能表现出在参数估计中的优越性。(本文来源于《统计与决策》期刊2013年22期）
寇桂晏,陈希镇[9]（2013）在《最小一乘估计性质的讨论》一文中研究指出解决某些问题时,最小一乘准则在很大程度上优于最小二乘准则.通过对最小一乘准则与最小二乘准则的比较分析,给出了最小一乘估计的一些优良性质,如无偏性、渐近正态性、有效性等,并做了相应的理论证明.(本文来源于《温州大学学报(自然科学版)》期刊2013年04期）
李泽安,赵为华,邱艳[10]（2013）在《基于EM算法的最小一乘估计研究》一文中研究指出在实际数据分析中,收集到的数据中可能受到"污染",或出现异常点,或数据分布具有明显的厚尾特征,基于最小二乘方法进行数据分析效果可能很差,需要寻找稳健的估计方法.最小一乘估计亦称为中位数估计,是一种常用的稳健估计方法之一.由于最小一乘估计的目标函数可以看作Laplace分布的核,且Laplace分布可以由正态分布和指数分布混合生成,本文基于EM算法提出了最小一乘估计的新方法,并给出了详细的算法步骤.通过大量的数值模拟和实例数据分析,并与其他已有方法相比,验证了新方法的有效性.(本文来源于《安徽师范大学学报(自然科学版)》期刊2013年06期）
最小一乘估计论文开题报告
（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：
对于多传感器多目标跟踪问题,系统偏差对航迹融合精度有较大影响,因此在信息融合系统中,首先要对各传感器的系统偏差进行估计,而在含错误关联和观测野值的复杂环境下,传统系统偏差估计方法的性能会严重退化.对此,提出一种具有递推形式的近似最小一乘稳健估计算法,以减少异常噪声对偏差估计的不利影响.使用平方根平滑逼近函数替代最小一乘法的目标函数,基于牛顿方向及其秩1修正推导出该方法的递推求解框架.基于条件数分析,证明所提出算法的数值稳定性好于Huber方法.通过两个仿真算例,将所提出算法与已有其他算法进行对比验证.仿真结果表明,在含错误关联和观测野值的条件下,所提出算法可以改善偏差估计精度,并且明显好于已有的其他算法.
（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。
最小一乘估计论文参考文献
[1].贾子璇.污染数据半参数回归模型的最小一乘局部线性估计[D].吉林大学.2019
[2].郭蕴华,汪敬东,任文峰,胡义,牟军敏.基于递推近似最小一乘的多传感器系统偏差稳健估计算法[J].控制与决策.2019
[3].刘金元,李涛.最小一乘估计在多重检验中的应用——基于乳腺癌微阵列数据[J].数学的实践与认识.2017
[4].叶鹏,周秀轻.污染数据线性回归模型的最小一乘估计[J].应用概率统计.2017
[5].赖学方,贺兴时.一种带有自适应惩罚权重的惩罚最小一乘估计[J].纺织高校基础科学学报.2016
[6].周德强.直接离散GM(1,1)模型参数估计的最小一乘法[J].统计与决策.2016
[7].黄亚慧.偏t正态数据下基于最小一乘的回归估计和变量选择[D].重庆大学.2016
[8].吴刘仓,邱贻涛,詹金龙.一般联合均值与方差模型的T型估计与最小一、二乘估计[J].统计与决策.2013
[9].寇桂晏,陈希镇.最小一乘估计性质的讨论[J].温州大学学报(自然科学版).2013
[10].李泽安,赵为华,邱艳.基于EM算法的最小一乘估计研究[J].安徽师范大学学报(自然科学版).2013
论文知识图
