导读:本文包含了方差混合正态分布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:正态分布,方差,切片,平均,论文。
裴宏鸣[1]（2018）在《多元混合正态分布下对二型切片逆回归和切片平均方差充分降维方法的改进》一文中研究指出含有高维自变量的回归或分类问题在当代应用中越来越普遍。从这些应用中出现的一个重要问题是如何避免过度平滑高维空间,这严重阻碍了统计推断的准确性。这种现象通常被称为维度诅咒(Bellman,1961),而充分降维估计方法,尤其是基于逆条件矩的那些方法可以很好地避免维度诅咒。所以,充分降维是非参数回归领域中的一个重要的问题,其目的是对回归模型中自变量进行降维,主要手段是寻找原始自变量的少量线性组合,在回归中以这些线性组合去替代原始自变量而不损失信息。在各种充分降维理论中,切片平均方差估计法(SAVE)和第二型切片逆回归法(SIR-II)是备受关注的两种方法。这两种方法都能够避免切片逆回归(一种经典的充分降维方法)中存在的一个问题,那就是,在回归曲线具有某种对称性时,中心化逆回归曲线的退化问题。作为处理偶回归函数充分降维问题而提出的方法,切片平均方差估计(SAVE)和第二型切片逆回归(SIR-II)在大部分情况下都是有效且便于使用的。在本文中,我们研究了SAVE和SIR-II是否适用于混合多元正态分布,如果不适用,如何对SAVE和SIR-II算法进行改进。模拟显示,当自变量向量服从混合正态分布时,上述两种方法通常不再适用。我们提出了一种新的算法用于SAVE和SIR-II的改进。最后我们通过模拟研究来评估所提出的方法在混合正态分布下的表现。(本文来源于《云南财经大学》期刊2018-06-05）
[1].裴宏鸣.多元混合正态分布下对二型切片逆回归和切片平均方差充分降维方法的改进[D].云南财经大学.2018
本文来源: https://www.lunwen66.cn/article/12d5d5ffb066b2c0cf080295.html