1) Missing data mechanism
数据缺失机制
1.
When the missing data mechanism is unknown,this paper presents a two-waves sampling procedure to obtain a consistent estimator of the distribution function of a discrete random variable Y,and the asymptotic normality of the estimator is proved.
在数据缺失机制形式未知时,通过两步抽样得到了分布函数的相合估计量,证明了该估计量的渐近正态性。
2) data not missing at random mechanism
数据非随机缺失机制
3) missing data
缺失数据
1.
Multiple imputation for analyzing 2×2 cross over design with missing data;
多重填补处理有缺失数据的2×2交叉设计资料的计算机模拟
2.
EM estimation for missing data in medical research;
医学科研中缺失数据的EM估计
3.
Asymptotic behavior of semiparametric regression model under missing data;
缺失数据下半参数回归模型的渐近性质
4) data missing
数据缺失
1.
Firstly,based on correlation analysis,five reference points which were most correlative with the data missing points were obtained,then the data of both reference points and data missing point in the stage were simulated and verified.
首先基于相关性分析,选择与数据缺失监测点应变值相关性最强的5个监测点作为参考点;然后利用未缺失时间段内待恢复监测点和参考点的应变数据进行建模和检验,一半数据用来建立BP神经网络模型,一半数据用来进行模型的检验;最后利用建立的模型对缺失的数据进行恢复,得到了完整的应变监测数据。
5) missing data
数据缺失
1.
We get the estimation of parameters of three-parameter lognormal distribution ba sed on missing data.
本文给出数据缺失场合三参数对数正态分布的参数估计,并通过Monte-Carlo模拟说明了本文方法的可行性。
2.
In particular,with the non-ignorable missing data,how to fill the data to improve the estimation precision.
抽样调查中经常会出现数据缺失现象,尤其是当数据为不可忽略的缺失时,如何对数据进行填充才能使得估计有效便成为需要关注的问题。
3.
Analysis and comparison of methods dealing with missing data of incomplete information system;
文章主要分析和比较在数据缺失或信息不完备的情况下空缺数据的处理方法。
6) missing mechanism
缺失机制
1.
Parameter estimation of linear regression model under two different missing mechanisms;
不同缺失机制下线性回归模型的参数估计
2.
Parameter estimation or statistical analysis with missing data in a realisticproblem, is usually a complicated work in this situation, because it involves themissing mechanism of the data.
本文采用了一种模拟方法对数据缺失机制的检验作了初步研究。
3.
The more information about missing mechanism is known,the move efficient of the estimates obtained by using the method.
当我们对于缺失机制的信息知道的越多,由此种方法得到的估计的效越高。
补充资料：磁耦合机制和沙兹曼机制
解释太阳系角动量特殊分布的两种理论。太阳质量占太阳系总质量的99.8％以上，但其角动量(动量矩)却只占太阳系总角动量的1％左右，而质量仅占0.2％的行星和卫星等天体，它们的角动量却占99％左右。太阳系角动量的这种特殊分布，是太阳系起源研究中的一个重要问题。1942年，阿尔文提出一种"磁耦合机制"。他认为，太阳通过它的磁场的作用，把角动量转移给周围的电离云，从而使由后者凝聚成的行星具有很大的角动量。他假定原始太阳有很强的偶极磁场，其磁力线延伸到电离云并随太阳转动。电离质点只能绕磁力线作螺旋运动，并且被磁力线带动着随太阳转动，因而从太阳获得角动量。太阳因把角动量转移给电离云，自转遂变慢了。
1962年，沙兹曼提出另一种通过磁场作用转移角动量的机制，称为沙兹曼机制。他认为，太阳（恒星）演化早期经历一个金牛座T型变星的时期,由于内部对流很强和自转较快，出现局部强磁场和比现今太阳耀斑强得多的磁活动，大规模地抛出带电粒子。这些粒子也随太阳磁场一起转动，直到抵达科里奥利力开始超过磁张力的临界距离处，它们一直从太阳获得角动量。由于临界距离达到恒星距离的量级，虽然抛出的物质只占太阳质量的很小一部分，但足以有效地把太阳的角动量转移走。沙兹曼也用此机制解释晚于F5型的恒星比早型星自转慢的观测事实。晚于F5型的恒星，都有很厚的对流区和很强的磁活动，通过抛出带电粒子转移掉角动量，自转因而变慢。然而早于F5型的恒星，没有很厚的对流区，没有损失角动量，因而自转较快。
1962年，沙兹曼提出另一种通过磁场作用转移角动量的机制，称为沙兹曼机制。他认为，太阳（恒星）演化早期经历一个金牛座T型变星的时期,由于内部对流很强和自转较快，出现局部强磁场和比现今太阳耀斑强得多的磁活动，大规模地抛出带电粒子。这些粒子也随太阳磁场一起转动，直到抵达科里奥利力开始超过磁张力的临界距离处，它们一直从太阳获得角动量。由于临界距离达到恒星距离的量级，虽然抛出的物质只占太阳质量的很小一部分，但足以有效地把太阳的角动量转移走。沙兹曼也用此机制解释晚于F5型的恒星比早型星自转慢的观测事实。晚于F5型的恒星，都有很厚的对流区和很强的磁活动，通过抛出带电粒子转移掉角动量，自转因而变慢。然而早于F5型的恒星，没有很厚的对流区，没有损失角动量，因而自转较快。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条