导读:本文包含了平方损失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:函数,损失,误差,指数,模型,系数,可靠。
平方损失论文文献综述
周慧[1]（2019）在《刻度平方误差损失下逆指数分布的Bayes可靠性分析》一文中研究指出本文在刻度平方误差损失函数下研究逆指数分布参数的Bayes估计问题,在参数的先验分布为Gamma先验分布下,得到了参数的Bayes估计.最后,通过蒙特卡洛统计模拟试验比较分析最大似然估计和Bayes估计.(本文来源于《湘南学院学报》期刊2019年05期）
蔡静,师义民,张永进[2]（2019）在《平方损失下屏蔽数据并联系统的经验贝叶斯分析》一文中研究指出在部件寿命服从逆威布尔分布时,研究了屏蔽数据两部件并联系统的可靠性分析问题.基于截尾样本,将经典统计方法和贝叶斯理论相结合,推导出模型参数及系统可靠性指标的经验贝叶斯估计,最后给出数值模拟.(本文来源于《数学的实践与认识》期刊2019年07期）
陶文惠[3]（2019）在《基于指数平方损失的两类半参数模型的变量选择》一文中研究指出半参数模型不但具有参数模型容易解释的优点而且具有非参数模型灵活性的特点。当协变量维数较高时,半参数模型还克服了非参数模型“维数灾难”的问题。因此这类模型受到很多学者的广泛关注,还在经济学和生物学等很多领域有广泛应用。本文主要对部分线性可加模型和变系数部分非线性模型的估计和变量选择问题进行研究。众所周知,现存的估计方法大多是建立在最小二乘的基础上。但是这种方法对数据中的异常值或重尾误差分布非常敏感,很不稳健,极大降低了估计的有效性。这需要我们寻找更稳健的估计方法,本文将使用指数平方损失的方法进行估计。对于变量选择的问题,我们一方面希望选择出模型中只含有与响应变量真正相关的少数协变量,来达到很好的预测效果,另一方面希望我们所使用的变量选择方法比较稳健,当数据中有异常值或重尾误差分布时,不至于变量选择的结果受到很大的影响。因此本文基于指数平方损失使用SCAD惩罚函数方法对两类半参数模型进行稳健变量选择。本文一共分为四章,第一章我们先介绍了部分线性可加模型、变系数部分非线性模型以及指数平方损失方法的基础知识及其相应的研究背景与现状。第二章主要对部分线性可加模型进行了稳健估计和变量选择。对此模型的可加部分利用B样条基函数近似,利用SCAD惩罚函数方法对模型进行变量选择。这一切工作都是建立在指数平方损失函数方法下进行的。在适当的正则条件下,我们建立并证明了所使用方法的估计和变量选择的理论性质。除此之外,在本章数值模拟例1中,我们用均方误差(MSE)评价参数部分估计的有效性,用平均平方误差的平方根(RASE)评价可加部分估计的有效性,通过与其他方法数值的比较,我们的方法得到很好的估计效果。在例2中,用RASE评价可加部分估计的有效性,用广义均方误差(GMSE)评估参数部分估计的有效性,当样本量为200,误差分布是N(0,1)时,虽然惩罚指数平方损失(PESL)的RASE比惩罚最小二乘(PLSE)的略大,即PESL的非参数估计的有效性略差,但是PESL的关于正确识别真实模型的比率(CF)较大,即变量选择的有效性较好。样本量为200时的其他误差分布情况下,PESL的RASE和CF方面都总是优于其他叁种方法。当误差分布服从N(0,1)和t(3)时,样本量是200的PESL的CF小于惩罚modal回归(PSME),但PESL的GMSE比PSME小,其他误差分布下,PESL表现良好。随着样本量的增大,当样本量为400和600时,PESL的RASE,GMSE和变量选择方面都优于其他叁种方法。并且当误差分布服从污染正态分布,随着样本容量的增大,PESL的优越性变得越来越明显,说明PESL是一种稳健有效的估计方法。在实例分析中得到,我们所使用的指数平方损失方法能选择出重要变量并且比其他方法预测效果要好。第叁章利用指数平方损失的方法对变系数部分非线性模型进行了稳健变量选择。对本模型的变系数部分利用B样条基函数近似,利用SCAD惩罚函数的方法对模型进行变量选择。并且在一定的正则条件下,建立并证明了变量选择的理论性质。第四章是对本文的总结以及对今后工作的展望。(本文来源于《山东师范大学》期刊2019-03-20）
陶文惠,王秀丽[4]（2019）在《指数平方损失下变系数部分非线性模型的估计》一文中研究指出本文对变系数部分非线性模型基于指数平方损失的方法进行稳健估计,这种方法不受异常值和重尾误差的影响,稳定性强.其中对变系数部分使用了B样条基函数进行逼近.在一定的正则条件下,我们建立并证明了估计量的渐近性质.(本文来源于《山东师范大学学报(自然科学版)》期刊2019年01期）
周慧[5]（2018）在《刻度平方误差损失函数下几何分布的Bayes可靠性分析》一文中研究指出在刻度平方误差损失函数下,研究了几何分布可靠度的Bayes统计推断问题。在可靠度的先验分布为无信息先验分布下,得到了可靠度的Bayes和E-Bayes估计。最后通过Monte Carlo数值模拟对几种估计进行比较。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年06期）
刘婉贞[6]（2018）在《加权平方误差损失下指数分布寿命绩效指标的Bayes估计》一文中研究指出本文研究了产品寿命服从指数分布情形的寿命绩效指标的Bayes统计推断问题。基于参数的先验分布为伽玛先验分布,得到了加权平方误差损失函数下寿命绩效指标的Bayes估计,此外根据该估计提出了一套产品质量检验程序用于产品质量检测。最后实例分析结论说明了检验方法的有效性。(本文来源于《中国科技信息》期刊2018年16期）
邓超海,朱宁,黄荣臻[7]（2018）在《平方损失函数下P-范分布尺度参数的经验贝叶斯估计》一文中研究指出为了充分利用参数的先验信息,研究了一元P-范分布尺度参数的经验贝叶斯估计问题。利用先验选择的矩方法确定先验分布的超参数,在平方损失函数下获得了一元P-范分布尺度参数的经验贝叶斯估计,并进一步证明了其渐近最优性,同时讨论了估计的容许性。(本文来源于《桂林电子科技大学学报》期刊2018年04期）
刘薇[8]（2018）在《加权平方损失下一类正态均值矩阵的估计》一文中研究指出在加权平方损失下,文章考虑了一类正态均值矩阵的估计。即Efron-Morris估计。在适当条件下,证明了该估计是极小极大的。(本文来源于《统计与决策》期刊2018年11期）
黄文宜[9]（2017）在《对数误差平方损失和熵损失函数下Topp-Leone分布参数的Minimax估计》一文中研究指出本文在不同损失函数下研究Topp-Leone分布参数的Minimax估计问题。首先给出了参数的最大似然估计,然后在对数误差平方损失函数和熵损失函数下导出了参数的Bayes估计和经验Bayes估计,最后应用Lehmann定理得到了参数的Minimax估计。(本文来源于《宜春学院学报》期刊2017年12期）
杨兴琼[10]（2015）在《加权平方损失函数下几何分布函数的可靠度Bayes估计》一文中研究指出在加权平方损失函数下,给出了对于任何先验分布的几何分布可靠度的Bayes估计,同时在其先验分布为幂分布时研究了可靠度的Bayes估计及其容性,给出了可靠度的多层Bayes估计的计算公式。(本文来源于《科技视界》期刊2015年26期）
平方损失论文开题报告
（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：
在部件寿命服从逆威布尔分布时,研究了屏蔽数据两部件并联系统的可靠性分析问题.基于截尾样本,将经典统计方法和贝叶斯理论相结合,推导出模型参数及系统可靠性指标的经验贝叶斯估计,最后给出数值模拟.
（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。
平方损失论文参考文献
[1].周慧.刻度平方误差损失下逆指数分布的Bayes可靠性分析[J].湘南学院学报.2019
[2].蔡静,师义民,张永进.平方损失下屏蔽数据并联系统的经验贝叶斯分析[J].数学的实践与认识.2019
[3].陶文惠.基于指数平方损失的两类半参数模型的变量选择[D].山东师范大学.2019
[4].陶文惠,王秀丽.指数平方损失下变系数部分非线性模型的估计[J].山东师范大学学报(自然科学版).2019
[5].周慧.刻度平方误差损失函数下几何分布的Bayes可靠性分析[J].齐齐哈尔大学学报(自然科学版).2018
[6].刘婉贞.加权平方误差损失下指数分布寿命绩效指标的Bayes估计[J].中国科技信息.2018
[7].邓超海,朱宁,黄荣臻.平方损失函数下P-范分布尺度参数的经验贝叶斯估计[J].桂林电子科技大学学报.2018
[8].刘薇.加权平方损失下一类正态均值矩阵的估计[J].统计与决策.2018
[9].黄文宜.对数误差平方损失和熵损失函数下Topp-Leone分布参数的Minimax估计[J].宜春学院学报.2017
[10].杨兴琼.加权平方损失函数下几何分布函数的可靠度Bayes估计[J].科技视界.2015
论文知识图
