1) gen-eralized partly linear model
广义半线性模型
2) semiparametric generalized linear models
半参数广义线性模型
1.
In this paper,semiparametric generalized linear models(SGLMs) in probability and statistics are considered.
针对概率统计中的半参数广义线性模型(SGLMS),利用了正交空间、核函数、正交计算方法及独立随机分布的概念和性质,研究了广义线性模型中未知参数的估计问题,给出了回归参数的矩估计方法及其相应的性质,给出了参数估计量为一致有效性和近似正态性的充分条件,并证明了参数估计量是一致有效性和近似正态性的结论。
3) Generalized linear model
广义线性模型
1.
Asymptotics of maximum quasi-likelihood estimates in generalized linear models with adaptive designs;
自适应设计广义线性模型极大拟似然估计的渐近性
2.
Variable selection in generalized linear model;
广义线性模型中的变量选择
3.
Study on the parameters estimation of generalized linear model under the linear restriction;
广义线性模型在线性约束下的参数估计
4) general linear model
广义线性模型
1.
Methods EM algorithm was employed to solve the maximum likelihood estimation (MLE) of parameters of general linear model (GLM) based on Gamma distribution with interval data,then univariate and multivariate anal yses were applied to explore factors that infl.
方法 采用EM算法求解基于含区间数据Gamma分布的广义线性模型(GLM)参数的极大似然估计(MLE)。
2.
Statistical parametric mapping (SPM) depends on the general linear model(GLM) and the theory of Gaussian fields to some extent.
统计参数映射在某种程度上依赖于广义线性模型和高斯场理论。
3.
The discussion,shows that the new relative efficiency is very useful in case where we combine general linear model with principal analysis and canonical correla.
定义了广义线性模型中参数的最小二乘估计(LSE)与最佳线性无偏估计(BLUE)的一种新的相对效率,这种相对效率定义为参数估计量的协方差阵的最大相对特征根之比。
5) generalized linear models
广义线性模型
1.
Classification ratemaking based on generalized linear models
基于广义线性模型的分类费率厘定方法
2.
The estimation of semiparametric and generalized linear models(SGMLs) was considered,an efficient estimation was given based on the proposed moment-type estimation,with its asymptotic behavior investigated.
考虑了半参数广义线性模型的估计问题。
3.
An estimation algorithm of coefficient to select variables for L1 regularized generalized linear models was introduced.
介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型。
6) generalized nonlinear models
广义非线性模型
补充资料：多元线性回归模型
分子式：
CAS号：
性质：假定从理论上或经验上已经知道输出变量y是输入变x1，x2，…,xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果(c11，x21，…，xml，yi)(i=1,n)来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为多元线性回归模型。
CAS号：
性质：假定从理论上或经验上已经知道输出变量y是输入变x1，x2，…,xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果(c11，x21，…，xml，yi)(i=1,n)来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为多元线性回归模型。
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