导读:本文包含了无偏估计函数论文开题报告文献综述及选题提纲参考文献，主要关键词:线性模型,几乎无偏Liu估计,几乎无偏Stein岭型主成分估计,平衡损失函数
无偏估计函数论文文献综述
王文钐,赵世舜[1]（2018）在《平衡损失函数下几乎无偏估计的统计性质》一文中研究指出在平衡损失函数下,讨论线性回归模型中几乎无偏Liu估计与几乎无偏Stein岭型主成分估计的统计性质.分别给出几乎无偏Liu估计与几乎无偏Stein岭型主成分估计在平衡损失函数下的风险,并在不同条件下讨论这两种风险的关系.(本文来源于《吉林大学学报(理学版)》期刊2018年04期）
王特[2]（2018）在《均值未知的单变量时间序列自协方差函数的无偏估计及其应用》一文中研究指出本文参考了对于均值未知的单变量时间序列自协方差函数的一种完全(几乎)无偏估计。该估计量是使用去均值化的观测数据计算而得到的普通样本自协方差的一个线性函数。具体做法是将普通样本自协方差组合构成一个向量,并且这一向量的期望是总体自协方差的一个线性组合。我们使用一个矩阵来描述这些线性组合的权重,并将该矩阵记为A。当时间持续较长的数据总体自协方差是0(很小)时,我们便能通过A矩阵左上部分子矩阵的逆得到剩余自协方差函数的完全(几乎)无偏估计。A-矩阵估计量与常用的样本自协方差估计量相比近似等效。前人的模拟结果也显示,A-矩阵估计量能在充分减少偏差的同时不增加均方误差(MSE)。本文通过讨论上述得到的A-矩阵估计量在多种实际时间序列数据上所体现出的效果,对A-矩阵估计量的实际估计效果进行了一定的判断并对其能否进行推广进行了进一步的验证。本文选取了全国从2013年1月至2017年12月的几项实际数据,并应用ARIMA模型对它们构建时间序列模型。然后,我们计算出对应的自协方差函数的A-矩阵估计量,并将其估计结果与两个常用的较为标准的自协方差函数估计量的估计结果进行了对比。结合前人已经得到的A-矩阵估计量的模拟结果,我们可以发现:当时间序列模型中没有AR成分,即为MA模型时,且估计步长较小的自协方差函数时,可以选择采用A-矩阵估计量来对自协方差函数进行估计。综上所述,A-矩阵估计量在某些条件下是可以应用到实际中去的。如果在未来的研究中可以对其进行修正与完善,那么我们也许可以得到一个能替代常用的较为标准的自协方差函数估计量的无偏估计量。这对将来的时间序列研究与实际应用都具有重要意义。本文的创新点在于:A-矩阵估计量是一个最近才被提出的估计量,暂时还没有将其在实际数据中进行应用,只进行了数值模拟。本文将其应用于实际数据上并进行了分析与对比,得到了A-矩阵估计量在实际数据上的表现。(本文来源于《山东大学》期刊2018-04-20）
陈红玉,孟彩霞[3]（2016）在《基于相干函数无偏估计的数据恢复技术》一文中研究指出网络和硬盘存储数据的有效恢复是进行网络刑事和经济侦查的一个重要的勘查技术。传统的数据恢复方法采用的是算术编码的数据恢复方法,随着干扰数据的增多,难以对有用数据实现准确恢复。提出一种基于相干函数无偏估计的数据恢复算法。构建存储介质中的数据结构模型,对待恢复的数据结构进行特征分解和信息模型构建,采用相干函数特征分解算法实现对待恢复数据的筛分和残差滤除,最后采用相干函数无偏估计算法实现数据的准确恢复,仿真实验进行了性能测试和验证。实验结果表明,采用该算法进行网络存储介质上的数据恢复,吞吐性能和准确度较传统方法高。(本文来源于《科技通报》期刊2016年03期）
方柔月,邬吉波[4]（2014）在《加权平衡损失函数下回归系数的最佳线性无偏估计（英文）》一文中研究指出这篇文章我们研究了回归系数的最佳线性无偏估计.在加权平衡损失函数下,我们得到了回归系数的最佳线性无偏估计.同时提出了度量最佳线性无偏估计和最小二乘估计的相对效率.并且我们给出了它们的上下界.(本文来源于《应用概率统计》期刊2014年03期）
张世崧[5]（2013）在《利用一种传递函数无偏估计的方法识别传递路径》一文中研究指出传统的传递函数估计方法有很多,但因为无法去除测量噪声自谱项的影响,都是有偏估计,为能够更进一步提高传递函数的测量精度,引用了一种无偏估计的传递函数测试方法,在不需要测试第叁种信号的情况下,新估计方法可以用互功率谱估计得到了无偏的传递函数,从而实现了完全互功率谱估计和同样测试次数下更多的平均次数,从而可以更准确的识别传递路径。(本文来源于《中国科技信息》期刊2013年03期）
胡祥,吴涛,李健平[6]（2012）在《Poisson分布的参数函数无偏估计》一文中研究指出讨论了在Poisson分布情况下参数函数的无偏估计,并给出相应的证明和实例.(本文来源于《重庆工商大学学报(自然科学版)》期刊2012年07期）
肖筱南[7]（2012）在《关于可靠性生存寿命分析中几类重要截尾分布函数参数的最佳有效无偏估计(英文)》一文中研究指出在给出了可靠性生存寿命分析几类重要随机截尾分布函数的基础上,讨论了寿命分布函数参数的最佳有效无偏估计,为解决可靠性生存寿命分析以及通讯工程和电力负载预测中的最佳无偏误差估计问题提供了令人满意的可靠依据和有效算法.(本文来源于《数学研究》期刊2012年01期）
李彪,李利,刘睿[8]（2011）在《一种改进的传递函数无偏估计方法》一文中研究指出传递函数反映了系统输入输出之间的关系,是系统的固有特性。在振动模态参数识别技术中,从实验中获得精确的传递函数是非常重要的,但是现行的传递函数测量方法都很难得到真实传递函数的无偏估计。为了获取最佳传递函数,文中提出了一种改进的估计方法并推导了相应的计算公式。新方法采用互功率谱技术计算传递函数的估计值,从而避免了由于噪声自功率谱项的存在而产生的影响,使传递函数的估计精度得到了提高。(本文来源于《第十叁届船舶水下噪声学术讨论会论文集》期刊2011-08-01）
滑广军,吴运新[9]（2009）在《用无偏估计方法计算简支梁的频响函数》一文中研究指出利用不相关信号的互功率谱多次平均趋于零的性质,推导出多输入多输出频响函数无偏估计算法,用MATLAB语言编制了该无偏估计算法的程序。使用动态信号测试系统进行了简支梁的多点激励和多点响应的振动测试,并利用MATLAB程序对实测信号进行了计算,得到了测试对象的频响函数。利用有限元方法计算测试对象的频响函数,对多输入多输出频响函数无偏估计算法进行了验证。(本文来源于《噪声与振动控制》期刊2009年05期）
郑树清,孙翠先,王成[10]（2008）在《B(n,p)中函数p~2的叁个无偏估计量》一文中研究指出以二项分布B(n,p)为总体,构造了未知参数的函数p2的叁个估计量,并证明它们都是无偏估计。(本文来源于《唐山学院学报》期刊2008年02期）
无偏估计函数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文参考了对于均值未知的单变量时间序列自协方差函数的一种完全(几乎)无偏估计。该估计量是使用去均值化的观测数据计算而得到的普通样本自协方差的一个线性函数。具体做法是将普通样本自协方差组合构成一个向量,并且这一向量的期望是总体自协方差的一个线性组合。我们使用一个矩阵来描述这些线性组合的权重,并将该矩阵记为A。当时间持续较长的数据总体自协方差是0(很小)时,我们便能通过A矩阵左上部分子矩阵的逆得到剩余自协方差函数的完全(几乎)无偏估计。A-矩阵估计量与常用的样本自协方差估计量相比近似等效。前人的模拟结果也显示,A-矩阵估计量能在充分减少偏差的同时不增加均方误差(MSE)。本文通过讨论上述得到的A-矩阵估计量在多种实际时间序列数据上所体现出的效果,对A-矩阵估计量的实际估计效果进行了一定的判断并对其能否进行推广进行了进一步的验证。本文选取了全国从2013年1月至2017年12月的几项实际数据,并应用ARIMA模型对它们构建时间序列模型。然后,我们计算出对应的自协方差函数的A-矩阵估计量,并将其估计结果与两个常用的较为标准的自协方差函数估计量的估计结果进行了对比。结合前人已经得到的A-矩阵估计量的模拟结果,我们可以发现:当时间序列模型中没有AR成分,即为MA模型时,且估计步长较小的自协方差函数时,可以选择采用A-矩阵估计量来对自协方差函数进行估计。综上所述,A-矩阵估计量在某些条件下是可以应用到实际中去的。如果在未来的研究中可以对其进行修正与完善,那么我们也许可以得到一个能替代常用的较为标准的自协方差函数估计量的无偏估计量。这对将来的时间序列研究与实际应用都具有重要意义。本文的创新点在于:A-矩阵估计量是一个最近才被提出的估计量,暂时还没有将其在实际数据中进行应用,只进行了数值模拟。本文将其应用于实际数据上并进行了分析与对比,得到了A-矩阵估计量在实际数据上的表现。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无偏估计函数论文参考文献
[1].王文钐,赵世舜.平衡损失函数下几乎无偏估计的统计性质[J].吉林大学学报(理学版).2018
[2].王特.均值未知的单变量时间序列自协方差函数的无偏估计及其应用[D].山东大学.2018
[3].陈红玉,孟彩霞.基于相干函数无偏估计的数据恢复技术[J].科技通报.2016
[4].方柔月,邬吉波.加权平衡损失函数下回归系数的最佳线性无偏估计（英文）[J].应用概率统计.2014
[5].张世崧.利用一种传递函数无偏估计的方法识别传递路径[J].中国科技信息.2013
[6].胡祥,吴涛,李健平.Poisson分布的参数函数无偏估计[J].重庆工商大学学报(自然科学版).2012
[7].肖筱南.关于可靠性生存寿命分析中几类重要截尾分布函数参数的最佳有效无偏估计(英文)[J].数学研究.2012
[8].李彪,李利,刘睿.一种改进的传递函数无偏估计方法[C].第十叁届船舶水下噪声学术讨论会论文集.2011
[9].滑广军,吴运新.用无偏估计方法计算简支梁的频响函数[J].噪声与振动控制.2009
[10].郑树清,孙翠先,王成.B(n,p)中函数p~2的叁个无偏估计量[J].唐山学院学报.2008
标签：线性模型; 几乎无偏Liu估计; 几乎无偏Stein岭型主成分估计; 平衡损失函数;