导读:本文包含了半函数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,线性,模型,变量,卷积,参数,广义。
半函数论文文献综述
李慧颖[1]（2017）在《带有测量误差的半函数型线性模型的估计》一文中研究指出随着科学技术的飞速发展,人们收集到的数据越来越复杂,函数型数据的概念也随之出现,由于函数型数据在很多科学领域都有广泛应用,因此函数型数据分析(FDA)也越来越引起学者们的关注。在实际问题中,我们获取的数据往往是带有测量误差的,因此带有测量误差的回归分析也在过去几十年有了快速发展。本文研究了半函数型线性回归模型在函数型及实值随机变量同时带有测量误差时的估计问题。我们利用函数型主成分分析及核光滑理论,得到函数型数据的斜率函数和非参数部分的估计量。由于考虑到协变量带有测量误差,我们利用解卷积的方法构造了一种新的核估计。然后,我们推出了在一般假设条件下,斜率函数及非参数部分的估计的相合性以及收敛速率。最后,通过统计模拟再一次验证了在有限样本的情况下这种估计方法的良好表现。(本文来源于《华东师范大学》期刊2017-05-01）
柏培鑫[2]（2017）在《半函数型部分线性回归模型局部线性估计量的渐近性质》一文中研究指出随着时代发展及科学技术进步,研究人员在收集数据的途径得到扩展、能力得到提高,收集到的一些数据具有明显的函数型的特点。例如:食品行业猪肉的光谱数据、电力行业日均负荷数据、多个地区的多个指标的经济数据以及地区气温、降水量等数据。因此,对于函数型数据的研究已经成为国内外数理统计学界的研究的热点之一。本学位论文主要由局部线性回归下研究半函数型部分线性回归模型的渐近性质以及函数型数据在实际生活中的应用组成,主要内容如下:一、基于局部线性的半函数型部分线性回归模型的估计在半函数型部分线性回归模型下,通过局部线性回归的方法对模型中函数型非参数部分进行新的估计,得到参数及非参数部分的估计量,并探究参数部分估计量的渐近正态性、函数型非参数估计量的几乎处处收敛速度。最后给出模拟分析,并与经典的Nadarage-Watson核估计方法进行比较,通过箱型图表现出在局部线性方法要比核估计方法的效果好;对于参数部分我们通过直方图检验估计量的渐近正态性。二、基于函数型非参数方法的气温数据分析预测在函数型非参数模型下,我们通过Nadarage-Watson核估计方法分析安徽省1955年1月至2010年12月月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证分析研究。同时,从预测值的均方方差以及预测的气温曲线两方面来对有限维非参数回归模型及函数型非参数模型进行比较,从而得出函数型非参数模型的优越性。(本文来源于《合肥工业大学》期刊2017-04-01）
孙良斌[3]（2016）在《拟似然方法在广义半函数部分线性模型中的应用》一文中研究指出随着社会的发展,计算机存储能力和处理速度的提升,我们在环境科学、化学、生物学、医学、经济学等越来越多的领域观测到的数据越来越精细。例如,对一个现象我们可以观测一个大样本的变量,进一步我们来看一个通常的情形：某个随机变量可以在范围(t min,tmax)的一些时间点上取值,则它的一个观测样本可以通过随机族{X(tj)} j=1,....,J来表示。在现代统计中,给定范围时的观测数据越来越多意味着连续不断的常数越来越靠近。传统统计方法和统计模型在处理这类数据时存在很多问题,如过拟合和维数祸根问题。为解决这些困难,统计学者们把这些观测到的大样本数据考虑成连续族,将每个个体看成一条曲线,从而对曲线数据进行统计分析。这就是本文中函数型数据的基本思想。部分线性模型理论首先由Engle et al(1986)提出,随后被广泛研究和应用在应用统计的许多领域。这种模型允许一部分解释变量为参数形式,而另一部分解释变量为非参形式。随后Thomas把此模型推广到广义形式。本文应用拟似然方法来对广义部分线性模型进行估计,并利用近年来函数型数据在非参数统计方面的发展,把函数型数据引入到解释变量的估计中来,研究广义半函数部分线性模型,对模型中参数估计量的一些渐进性质进行了说明。最后,用一个实值例子来说明本文中模型的估计效果。(本文来源于《云南大学》期刊2016-05-01）
臧智军,凌能祥[4]（2010）在《误差为AR(1)过程的半函数型偏线性回归模型参数估计的强收敛性》一文中研究指出文章研究了基于半函数型偏线性回归模型Y=XTβ+m(T)+ε,(X,T)与误差ε相互独立,在一定假设条件下,当误差满足AR(1)过程时,建立了这种半函数型偏线性回归模型中未知参数β的估计量β^的强收敛性,推广了现有文献中的结果。(本文来源于《合肥工业大学学报(自然科学版)》期刊2010年04期）
半函数论文开题报告
（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：
随着时代发展及科学技术进步,研究人员在收集数据的途径得到扩展、能力得到提高,收集到的一些数据具有明显的函数型的特点。例如:食品行业猪肉的光谱数据、电力行业日均负荷数据、多个地区的多个指标的经济数据以及地区气温、降水量等数据。因此,对于函数型数据的研究已经成为国内外数理统计学界的研究的热点之一。本学位论文主要由局部线性回归下研究半函数型部分线性回归模型的渐近性质以及函数型数据在实际生活中的应用组成,主要内容如下:一、基于局部线性的半函数型部分线性回归模型的估计在半函数型部分线性回归模型下,通过局部线性回归的方法对模型中函数型非参数部分进行新的估计,得到参数及非参数部分的估计量,并探究参数部分估计量的渐近正态性、函数型非参数估计量的几乎处处收敛速度。最后给出模拟分析,并与经典的Nadarage-Watson核估计方法进行比较,通过箱型图表现出在局部线性方法要比核估计方法的效果好;对于参数部分我们通过直方图检验估计量的渐近正态性。二、基于函数型非参数方法的气温数据分析预测在函数型非参数模型下,我们通过Nadarage-Watson核估计方法分析安徽省1955年1月至2010年12月月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证分析研究。同时,从预测值的均方方差以及预测的气温曲线两方面来对有限维非参数回归模型及函数型非参数模型进行比较,从而得出函数型非参数模型的优越性。
（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。
半函数论文参考文献
[1].李慧颖.带有测量误差的半函数型线性模型的估计[D].华东师范大学.2017
[2].柏培鑫.半函数型部分线性回归模型局部线性估计量的渐近性质[D].合肥工业大学.2017
[3].孙良斌.拟似然方法在广义半函数部分线性模型中的应用[D].云南大学.2016
[4].臧智军,凌能祥.误差为AR(1)过程的半函数型偏线性回归模型参数估计的强收敛性[J].合肥工业大学学报(自然科学版).2010
论文知识图
