多元线性模型中最小距离估计分布的随机加权逼近

摘要

随机加权方法,也称之为Bayesian bootstrap,它有别于Bootstrap方法.在第一章中,我们介绍了Randomization Tests,Jackknife和Bootstrap等三种再抽样方法.在第二章中,我们发现多元线性模型中最小距离估计的分布依赖于误差项的密度,所以很难估计,我们用随机加权的方法得到它的逼近.在第三章中,我们用R语言做了一些模拟工作,用随机加权法先对线性模型中最小绝对偏差估计分布的逼近进行了模拟;然后对多元线性模型中最小距离估计分布也进行了类似的逼近模拟,并且都画出了它们的分位数一分位数图.

目录

文摘

英文文摘

致谢

第一章综述

第二章最小距离估计分布的随机加权逼近

§2.1介绍随机加权方法

§2.2证明随机加权方法的大样本性质

第三章一些模拟工作

§3.1 R language简介

§3.2 LAD估计分布的随机加权逼近模拟

§3.3 LD估计分布的随机加权逼近模拟

§3.3.1遗传算法简介

§3.3.2模拟工作

参考文献