导读:本文包含了渐近最优性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,最优,指数,经验,平滑,刻度,模型。
渐近最优性论文文献综述
谢斯忱[1]（2018）在《马洛斯型模型平均在时间序列数据中的渐近最优性》一文中研究指出Hansen在2007年首次提出了马洛斯模型平均(Mallows Model Averaging,MMA)的方法,它是通过最小化马洛斯准则来计算每个模型的权重。而我们这篇文章是扩展了马洛斯型模型平均的叁个主要理论。其一是Hansen(2007)的马洛斯模型平均(MMA),其二是Xie(2015)的预测模型平均(PredictionModel Averaging,PMA),其叁是Zhang et a1.(2015)的基于KL距离的模型平均(Kullback-Leibler Model Averaging,KLMA)。在此基础上我们证明了在包含了滞后项的自回归数据中,马洛斯型模型平均也可以达到渐近最优性。之后的蒙特卡洛模拟中,我们采用了自回归分数整合滑动平均模型(ARFIMA)作为数据生成过程。通过选取不同的样本集来比较不同的方法优劣。在本文的最后我们对中国的新建住宅价格指数(New Housing Price Index,NHPI)北京地区的数据进行一阶差分,得出一组平稳的时间序列数据。回归结果显示预测模型平均(PMA)在大部分情况下要优于其它的分析方法,这也为我们的时间序列数据预测提供了一个新的方法。(本文来源于《厦门大学》期刊2018-04-01）
陈秀平,蔡光辉,高研[2]（2017）在《线性回归模型基于Mallows准则的NG估计量的渐近最优性》一文中研究指出Xiong(2010)提出了线性回归模型基于Mallows准则的NG(nonnegative garrote)估计量,但对该估计量的合理性尚未给出理论上的证明.文章借鉴模型平均估计的渐近最优的思想,分别构建了在方差已知与方差未知情形下的基于Mallows准则的NG估计量的渐近最优的定理,并给出了相应的证明,为Xiong(2010)提出的方法提供了理论支持.(本文来源于《系统科学与数学》期刊2017年11期）
牟唯嫣,张辉,陈建杰[3]（2014）在《线性回归模型中的渐近最优性》一文中研究指出对线性回归中系数的一类估计给出了理论上的最优均方误差.证明了渐近意义下最小二乘估计和lasso估计均不具有最优均方误差性.最后给出了一个具有渐近最小均方误差的回归估计.(本文来源于《信阳师范学院学报(自然科学版)》期刊2014年02期）
彭家龙,杜伟娟,袁莹,李体政[4]（2013）在《Burr XII分布参数的经验Bayes估计的渐近最优性》一文中研究指出本文研究了Burr XII分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.(本文来源于《数学杂志》期刊2013年01期）
刘荣玄[5]（2010）在《指数族刻度参数EB估计的渐近最优性》一文中研究指出依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.(本文来源于《数理统计与管理》期刊2010年06期）
刘荣玄,黄璇[6]（2009）在《在LINEX损失下指数分布刻度参数EB估计的渐近最优性》一文中研究指出在LINEX损失函数下,研究指数分布刻度参数的非参数的经验Bayes(EB)估计问题.在此损失函数下,找出参数的Bayes估计,利用抽到的样本,采用密度函数的核估计方法,构造总体X的边缘密度函数,得到参数的EB估计,指出这种EB估计是渐近最优的,它的收敛速度为0(n-γs(l-2)/(2s+1)l),并且这种EB估计方法可推广到多参数情形,举例说明它的应用.(本文来源于《兰州理工大学学报》期刊2009年02期）
李涵[7]（2009）在《线性经验贝叶斯保费的渐近最优性》一文中研究指出传统的关于线性经验贝叶斯保费的渐近最优性研究都是在B(u|¨)hlmann-Sraub模型及平方损失函数下讨论的，然而在某些情况下广义B(u|¨)hlmann-Straub模型和非对称损失函数能更好的刻画衡量风险.基于这一点，本文引入了广义B(u|¨)hlmann-Straub模型和叁种非对称损失函数.并对广义B(u|¨)hlmann-Straub模型，推导了平方损失函数、平衡损失函数、熵损失函数下的线性贝叶斯保费，并给出了线性经验贝叶斯保费满足渐近最优的充分条件.(本文来源于《吉林大学》期刊2009-04-01）
王立春[8]（2006）在《随机删失下经验贝叶斯估计的渐近最优性》一文中研究指出该文运用经验贝叶斯(empirical Bayes(简称EB))方法,在历史样本和当前样本均被另一个具有未知分布的变量随机右删失的条件下,构造了一个指数分布参数的经验贝叶斯估计并获得了它的渐近最优性．文章最后给出了一个例子和模拟结果．(本文来源于《数学物理学报》期刊2006年06期）
李与权[9]（1999）在《均匀分布族参数在绝对误差损失下经验Byaes估计的渐近最优性》一文中研究指出本文介绍了均匀分布族参数的经验Ｂｙａｅｓ估计。并证明了对先验分布族，在绝对误差损失下的经验Ｂｙａｅｓ估计的渐近最优性。(本文来源于《安庆师范学院学报(自然科学版)》期刊1999年02期）
徐大江[10]（1998）在《多项式指数平滑预测模型的渐近最优性研究》一文中研究指出本文在渐近形式指数平滑下，证明了多项式指数平滑预测模型具有最优性。在有限形式指数平滑下，证明了多项式指数平滑预测模型具有渐近最优性(本文来源于《预测》期刊1998年04期）
渐近最优性论文开题报告
（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：
Xiong(2010)提出了线性回归模型基于Mallows准则的NG(nonnegative garrote)估计量,但对该估计量的合理性尚未给出理论上的证明.文章借鉴模型平均估计的渐近最优的思想,分别构建了在方差已知与方差未知情形下的基于Mallows准则的NG估计量的渐近最优的定理,并给出了相应的证明,为Xiong(2010)提出的方法提供了理论支持.
（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。
渐近最优性论文参考文献
[1].谢斯忱.马洛斯型模型平均在时间序列数据中的渐近最优性[D].厦门大学.2018
[2].陈秀平,蔡光辉,高研.线性回归模型基于Mallows准则的NG估计量的渐近最优性[J].系统科学与数学.2017
[3].牟唯嫣,张辉,陈建杰.线性回归模型中的渐近最优性[J].信阳师范学院学报(自然科学版).2014
[4].彭家龙,杜伟娟,袁莹,李体政.BurrXII分布参数的经验Bayes估计的渐近最优性[J].数学杂志.2013
[5].刘荣玄.指数族刻度参数EB估计的渐近最优性[J].数理统计与管理.2010
[6].刘荣玄,黄璇.在LINEX损失下指数分布刻度参数EB估计的渐近最优性[J].兰州理工大学学报.2009
[7].李涵.线性经验贝叶斯保费的渐近最优性[D].吉林大学.2009
[8].王立春.随机删失下经验贝叶斯估计的渐近最优性[J].数学物理学报.2006
[9].李与权.均匀分布族参数在绝对误差损失下经验Byaes估计的渐近最优性[J].安庆师范学院学报(自然科学版).1999
[10].徐大江.多项式指数平滑预测模型的渐近最优性研究[J].预测.1998
论文知识图
