1) penalized estimating equations
惩罚估计方程
1.
Based on penalized estimating equations,a variable selection procedure for linear regression models is proposed.
通过惩罚估计方程,对响应变量随机缺失下的线性回归模型,给出了一个变量选择方法,并结合局部二次逼近,得到了一个迭代算法,证明了此变量选择方法是相合的并且所得估计达到最优的参数收敛速度,最后通过数据模拟研究了此方法的有限样本性质。
2) penalization equation
惩罚方程
3) penalized likelihood estimation
惩罚似然估计
4) penalized quasi-likelihood estimators
惩罚准似然估计
5) Penalized Quasi-Likelihood
惩罚伪似然估计
1.
Currently,the approximate estimation used in GLMMs is Penalized Quasi-Likelihood(PQL)and Marginal Quasi-Likelihood (MQL), However, neither of these parameter estimation methods expose some shortage in practical applications: although MQL is fast,but only consider fixed effect, When the va
目前常用的GLMMs参数估计方法为惩罚伪似然估计(Penalized Quasi-Likelihood,PQL)和边际伪似然估计(Marginal Quasi-Likelihood,MQL)。
6) penalized weighted least square estimators
惩罚加权最小二乘估计
补充资料：惩罚
惩罚
punishment
惩罚(punishment)亦称“负强化物”，指在反应后出现的能够抑制那一反应的事物。学习心理学的研究表明，惩罚会使机体产生对罚的恐惧，从而可抑制人或动物去进行那些会带来惩罚的活动。动物实验经常用电击、强光等引起生理上痛苦的事物来作为惩罚。对人的惩罚可分成精神惩罚和物质惩罚。运用惩罚控制人的行为时，lJJ以对做某个反应进行惩罚，禁止人做某事;也可以对不做某个反应进行惩罚，督促人做某事。使用惩罚时要及时和强度适当。若不及时则其效果明显降低，甚至于没有影响;强度过高或过低会造成强化的对比效应。惩罚有一些副作用，会引起人的消极情绪，导致攻击性行为，使用时需要慎重。 (周国怕撰戚立夫审)
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