1) R/S estimation
R/S估计
1.
In this paper,we get the R/S estimations of HURST dimension through computing the historical data of Hang Seng Index and Shanghai Index,and study the similarity of two indexes.
本文通过对恒生指数和上证指数历史数据的处理,给出HURST维数的R/S估计,进而研究两个股票指数的相似性。
2.
This paper gives R/S estimation of the dimension of B share index with some empirical data.
本文通过对中国B股市场指数 2 0 0 1年 2年前后历史数据的处理 ,给出了指数维数的R/S估计。
2) R/S estimator
R/S估计器
3) R-estimation
R估计
1.
This paper studies and compares the mended whole instances of fitting question of multiple linear or nonlinear of linear based on least squares method, and brings forwarda selecting method for all possible fitting equations, and finds R-estimation used in a kind.
对基于最小二乘法的多元线性或可化为线性的非线性拟合问题,对一切可能方程的求法进行了改进,并对各种方法进行了全面比较研究,最后找到了适用于混凝土疲劳这一类特殊问题拟合的R估计方法。
2.
Every sorted datum is compared with a counted datum which is not among primordial data,and being circularly replaced and compared,so that the number of repeated data is counted in every dimension array and the rank of every element is computed by the definition of the rank,the primordial data can be used to R-estimation by finding index table and lea.
主要是对原始数据文本按列循环读入一维数组之中,先对一维数组利用冒泡法进行排序,再利用索引表和最小二乘法对原始数据进行R估计,然后对拟合方程的自变量进行了高阶构造,利用主成分分析方法寻求主要影响因素,并结合最小二乘法,从而实现对逐步回归方法的替代。
4) r-k estimator
r-k估计
1.
The choices of two biased parameters in r-k estimator are discussed in this paper.
本文讨论r-k估计中两个偏参数r和k的选取问题,并且通过大量模拟计算获得了许多很有意义的结果,特别是验证了在一定条件下r-k估计明显优于LS估计、岭估计和主成分估计。
5) R/S statistic
R/S统计量
1.
In this paper,the moderate deviation principle of R/S statistics is obtained under some weaker conditions than standard large deviation conditions,which only need the assumption for the second order moment.
在某种弱于标准大偏差条件下,甚至不需要二阶矩假设,给出了R/S统计量的中偏差原理。
6) S-estimators
S-估计
1.
S-estimators in the linear regression model with dependent error terms.;
相依误差下线性回归模型的S-估计
2.
This thesis consists of three parts in which the asymptotics of S-estimators in different models with different dependent error variables are investigated.
本文主要分三部分,分别讨论了在随机误差的不同相依情况下,不同模型的S-估计的大样本性质。
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
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