1) improve spread error estimation
改进推广误差估计
2) generalized covariance improvement estimate(GCIE)
广义协方差改进估计
3) generalization error
推广误差
1.
The bounds of change-one generalization error under united algorithmic;
联合算法稳定下变一推广误差的界
2.
Subspace information criterion is a new criterion for model selection,it gives an unbiased estimate for the generalization error under some assumptions.
指出子空间信息准则是模型选择的一种新准则,它在一些假设条件下,给出推广误差的一种无偏估计。
3.
In machine learning,subspace information criterion(SIC) gives an unbiased estimate of the generalization error.
在机器学习中,子空间信息准则给出推广误差的一种无偏估计。
4) covariance improvement estimator
协方差改进估计
1.
We give a sufficient and necessary condition for the covariance improve- ment estimator of the unknown regression coefficient and their estimable functions under the reduced model remains covariance improvement estimator in the partitioned seemingly unrelated regression model.
给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件。
2.
For a chass of seemingly unrelated regression system(1),when the design matrix X_1 is ill-conditioned,Wang song-gui has proposed improvement estimators _1(k)、_1(T,k) of covariance improvement estimators _1、_1(T) for covariance matrix V is known or unknown in[1].
讨论这两种有偏估计与它们的协方差改进估计β1~,β~1(T)及最小二乘估计β1∧之间的相对效率问题,并给出了相对效率的上界或下界。
5) covariance-improved estimator
协方差改进估计
1.
In this paper we try to obtain the covariance-improved estimator sequence and the convergence of two-stage covariance-improved estimator sequence.
对于由两个误差项相关的线性回归方程组成的SUR系统,通常地根据以往的知识经验可以获得有关未知参数β的一些信息,该文就是在线性约束r=Rβ下,讨论SUR系统的协方差改进估计序列及两步协方差改进估计序列的收敛性问题。
2.
The exact finite sample result of MSEM of the two-stage covariance-improved estimator introduced by Liu and Wang (1999) is obtained in SUR model with the multivariate t-distribution.
本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差 结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况, 在该分布下两种估计的统计优效性质均不变。
6) Recursive prediction error estimation
递推预报误差估计
1.
On the stationary condition, we estimate parameters in the BL(P,0,1,1) model with the method of moment estimation, Recursive prediction error estimation, Least squares estimation, and Optimal filtering method.
其次,介绍了模型BL(P,0,1,1)的平稳及可逆条件,并在平稳条件下对该模型分别用矩估计、递推预报误差估计、最小二乘估计和最优滤波方法讨论了模型BL(P,0,1,1)的参数进行估计及其相关统计性质。
补充资料：水文估计量的抽样误差
水文随机变量的分布函数中的参数(或参数的函数)的估计量的均方根误差。水文随机变量x的分布函数F(x，θ) 中所含的参数θ，一般皆为未知数, 需根据样本资料(x1，x2，...，xn)予以估计。换言之,为进行参数估计，必须构造一个样本的函数，称为估计量，记为(x1，x2，...,xn)，从而当有一具体样本(x1，x2,...,xn)之后,就可算出(x1，x2，...，xn),做为θ的估计值。由于样本为随机变量，可以证明,作为样本函数的估计量(x1,x2，...，xn)，也是随机变量，故有其概率密度函数，记为g(，θ)，称为抽样分布（见上页图）。它表示估计量取各种不同数值的可能性大小。虽然任一估计量取得真值θ的概率都为零, 但不同的估计量其平均误差的大小还是不同的。这个平均误差,通常以估计量对参数真值θ的均方根误差来代表，可表示为：
式中E为取期望值的符号,根据定义它等于式中右侧的积分。粗略地说，g(，θ)的图形对θ越集中, σ孌越小,反之则越大。
在水文统计中，需要估计的往往不仅是参数，还有参数的某种函数，例如x的p分位数xp(见水文随机变量)。在由样本求得了θ的估计量后, 就可进一步求得xp的估计量憫p。类似于对σ孌的讨论,通常以估计量憫p对真值xp的均方根误差来代表憫p的平均误差，记为σ憫p。σ孌特别是σ憫p的数值，在分布函数及估计方法都很简单时,可用分析方法采用近似公式予以计算。在分布函数或估计方法较复杂时，用近似公式计算，误差较大。这时可用蒙特卡洛方法求出其近似值。水文统计学研究的基本内容之一，就是要设法提出一种抽样误差最小的估计量。
式中E为取期望值的符号,根据定义它等于式中右侧的积分。粗略地说，g(，θ)的图形对θ越集中, σ孌越小,反之则越大。
在水文统计中，需要估计的往往不仅是参数，还有参数的某种函数，例如x的p分位数xp(见水文随机变量)。在由样本求得了θ的估计量后, 就可进一步求得xp的估计量憫p。类似于对σ孌的讨论,通常以估计量憫p对真值xp的均方根误差来代表憫p的平均误差，记为σ憫p。σ孌特别是σ憫p的数值，在分布函数及估计方法都很简单时,可用分析方法采用近似公式予以计算。在分布函数或估计方法较复杂时，用近似公式计算，误差较大。这时可用蒙特卡洛方法求出其近似值。水文统计学研究的基本内容之一，就是要设法提出一种抽样误差最小的估计量。
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