广义线性模型的广义最小一乘估计

广义线性模型的广义最小一乘估计

ID:34103305

大小:736.89 KB

页数:29页

时间:2019-03-03

广义线性模型的广义最小一乘估计_第1页
广义线性模型的广义最小一乘估计_第2页
广义线性模型的广义最小一乘估计_第3页
广义线性模型的广义最小一乘估计_第4页
广义线性模型的广义最小一乘估计_第5页
资源描述:

《广义线性模型的广义最小一乘估计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、大连理工大学硕士学位论文1广义最小一乘估计1.1广义最小一乘估计准则假设未知参数向量卢有界,对(H,x1),(玢,x2)⋯.,(K,%)设相应的观测值为(Yl,z1),(耖2,z2)⋯.,(鲰,zn),取参数向量p的估计为:,庞=arg黯∑[口(执一F(19Txi))++(1一Q)(班一F(firxi))一],0<口

2、值风是其内点;(ii)设E有密度函数,E(t),分布函数足(亡),且^(o)>0,足(o)=or;mt)对任何一个低维超平面H,P(x∈H):0;(切)设X有界,E⋯

3、),当最(o)=Ot,且五(o)>0时,0是H(b1的唯一的最小值点.设s(∥)=E[a(Y—F(矿x))++(1一Q)(y—F(pTx))一】,岛(p)=三喜[a(K—F(pT噩))++(1一a)(K—F(pT%))一】.5广义线性模型的广义最小一乘估计由于s(p)=E[a(Y—F(p1x))++(1一oO(Y—F(卢1x))一]=aE[F(届Tox)一F(19Tx)+y(席x)£]++(1一oOE[F(届ToX)一F(prx)+y(解x)司一=aE[E((F(j3ToX)一F(ZTx)+y(藤x)E)+Ix)]--t-(1一oOE[E((F(届Tx)一F

4、(p?x)十y(解x)£)一Ix)】=aE[y(席啪((盥铲刊+)]+(1--Or)E[y(zorx)E((兰垡盗吾铲+s)一)】=驯懈础(型铲)]'由假设(ii)及前面的推导可知,在几乎处处意义下,当F(ZTX)=F(Z?X)时,s(卢)取到最小值,再由F(·)的单调性及假设(iii)可知,卢=风,所以励是S(卢)唯一的最小值点.我们称反为广义最小一乘估计.关于&(卢)、s(p)及庞的相合性,我们有下面的命题和定理.命题1.1.假设(i)一(iv)成立,F(.)是占阶日况der连续函数,0<6≤l,则s.up.I晶(p)一s(p)l叶o,凸.8.口∈e。证

5、明:首先对每一个固定的p,由大数定律可知:&(钟=丢喜陋(K—F(pT五))++(1一口)(M—F(pT五))一]一s(p)=E[口(y—F(卢Tx))++(1一cO(Y—F(flrx))一].另外对V卢l,尾有,因为岛(fh)一晶(尾)I=

6、1)一&池)I≤丢妻i=1QIF(卢}托)一FI⋯mTX。、I+丢耋(1二Q)IF(p}五)一F(砑凰)I2去∑IF(p}五)一F(鳄咒)l,(1.1)因为F(-)是6阶HSlder连续函数,所以对任意的Yl,Y2,有:IF(y1)一F(y2)ISLlyl一y216,其中L是一个正常数.设A=E(IIXl旧,由大数定律得:去∑㈣占一层㈣116n.s.,从而对于几乎所有的样本点u,存在Ⅳ∞),当礼≥Ⅳp)时,有I麦剐冠肛AI≤2A,即得:熹.IIX,116≤3A从而当扎≥Np)时,不等式(1.1)变为:I岛溉)一岛(侥)}≤’L∑IlXdl6IIp1一庞116

7、≤3LA

8、

9、风一危旷.(1.2)因为参数空间O是有界闭集,所以对V£>0,有((9LA)一1£)吾一网{p1⋯.,风),对每个p∈O,j岛,使得II8—0j116<。9L二A,于是对每个p∈0,I岛,Ⅳp),使得当n>Ⅳ∞)时,有.15k(p)一岛(岛)I≤3LAII卢一岛116<专.同理可知:s(f1)一S(岛)I=

10、X))一I≤o,FqF(ZrX)一F(ZTx)l+(

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。