1) L_1-estimators
L_1-估计量
1.
Limit Distribution of L_1-estimators for Time Series:Stationary Antoregressive Models;
时间序列模型L_1-估计量的极限分布:平稳自回旧模型
2) L_1-estimator
L_1估计
1.
Asymptotical distribution of L_1-estimator for nonlinear autoregression;
非线性自回归序列L_1估计的渐近分布
3) L 1 norm estimator
L_1模估计
4) L_1-norm n n estimator
L_1模最近邻估计
5) minimum L1-norm estimation
最小L_1-模估计
6) self-weighted L_1-estimator
自加权L_1估计
1.
For the nonlinear autoregressive time series model x_t=φ(x_(t-1),x_(t-2),…,x_(t-p))+ε_t with E(ε_t~2)=∞,it is showed that if there existsδ≥1 such that E|ε|~δ<∞,then the distribution ofθ_(L_1),the self-weighted L_1-estimator ofθ,is asymptotically normal and the Wald test statistic has the ordinary X~2 distribution.
对具有无穷方差的非线性自回归序列x_t=φ(x_(t-1),x_(t-2),…,x_(t-p),θ)+ε_t,E(ε_t~2)=∞,利用局部二次近似和连续函数空间C(R~q)上弱收敛随机过程最小点的渐近性质,证明了若存在δ≥1,使得E|ε_t|~δ<∞成立,则θ满足一定条件的自加权L_1估计θ_(L_1)是渐近正态估计,Wald检验统计量也具有通常的x~2分布,为模型的统计推断提供了理论基础。
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