Методы оценивания зависимостей, использующие сингулярное разложение.
Смещенные и несмещенные оценки
Диссертация
Направление дальнейшего развития описанных методов связаны, во-первых, с построением лучших, нежели приведенные, оценок — оптимальных весов, а также получением весов, оптимальных для ¡-критериев, отличных от рассмотренных в диссертационной работе, — например, весов, оптимальных для задач прогнозирования или I оптимальных при наличии корреляции между элементами вектора гво-вторых, с созданием… Читать ещё >
Содержание
- 1. Модель регрессионного анализа и оценки наименьших квадратов
- 1. 1. Основные предпосылки регрессионного анализа
- 1. 2. Сингулярное разложение матриц 12 1.3 Оценки метода наименьших квадратов
- Их построение и статистические свойства
- 1. 4. Оценки метода наименьших квадратов в условиях ошибок вычисления
- 2. Взвешенные оценки регрессионного анализа
- 1. 2. Включение в модель весов
- 1. 2. Оптимальный выбор весов
- 1. 3. Оценивание значений оптимальных весов
- 1. 4. Исключение переменных посредством весов
- 1. 5. Учет ограничений общего вида
- 3. Методы проверки предпосылок регрессионного анализа и качества моделей
- 3. 1. Скользящий экзамен
- 3. 2. Поиск отклонений от нормальности и построение устойчивой к ним оценки
- 3. 3. Случайные регрессоры
- 3. 4. Нелинейное оценивание и классификация с учителем
- 4. Практическое применение У-оценок
- 4. 1. кЬитационный эксперимент для проверки работоспособности У-оценок
- 4. 2. Имитационный эксперимент для проверки работоспособности У-оценок
- 4. 3. Результаты
- приложения методов смещенного регрессионного анализа в медицинских задачах
- 4. 4. Результаты
- приложения методов смещенного регрессионного анализа в экономических задачах
- 4. 5. Результаты
- приложения методов смещенного регрессионного анализа в задаче прогнозирования дисперсности катализатора
Список литературы
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика Исследование зависимостей. М.: Финансы и статистика, 1985.
- Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных М.: Финансы и статистика, 1983.
- Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. Пер. с англ. М., Наука, 1977.
- Афифи А., Эйзен С. Статистический анализ. Подход с применением ЭВМ. Пер. с англ. М.: Мир, 1982.
- Бард И. Нелинейное оценивание параметров. Пер. с англ. М.: Статистика, 1979.
- Вапник В.Н. Восстаносление зависимостей по эмпирическим данным. М.: Наука, 1979.
- Гантмахер Ф.Р. Теория матриц. М.: Наука, 1988.
- Демиденко Е.З. Линейная и нелинейная регрессии. М.: Статистика, 1981.
- Э.Джонстон. Эконометрические методы. Пер. с англ, М.: Статистика, 1980.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ. В 2 кн. Пер. с англ. М.: Финансы и статистика, кн.1 1986, кн.2 — 1987. Ц. Езекиел М., Фокс К. А. Метода анализа корреляций и регрессий. Пер. с англ. М.: Статистика, 1966.
- Кендалл М., Стьюарт А. Теория распределений. Пер. с англ. М.: Наука, 1966.
- Кендалл М., Стьюарт А. Статистические выводы и связи. Пер. с англ. М.: Наука, 1973.
- Клейнен Дж. Статистические методы в имитационном моделировании. Пер. с англ. М.: Статистика, 1978.
- Крамер Г. Математические методы статистики. 2-е изд. Пер. с англ. М.: Мир, 1978.
- Линник Ю. В. Метод наименьших квадратов и основы математико-статистической обработки наблюдений. М.: Физматгиз, 1958.
- Лоусон И., Хенсон Р. Численное решение задач метода наименьших квадратов. Пер. с англ. М.: Наука, 1986.
- Мостеллер Ф".т', ТьклАгтЦж. Анализ данных и регрессия, вып. 1,2. М.: Финансы и статистика, 1982.
- Мудров В.М., Кушко В. Л. Методы обработки измерений. М.: Советское радио, 1976.
- Парлетт П. Симметрическая проблема собственных значений. Численные методы. М.: Мир, 1983.
- Петрович М. Л. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ. М.: Финансы и статистика, 1982.
- Pao С. Р. Линейные статистические методы и их применения. М.: Наука, 1968.
- Себер Дж. Линейный регрессионный анализ. Пер. с англ. М.: Мир, 1980.
- Уилкинсон Дж., Райнш С. Справочник алгоритмов на языке АЛГОЛ. Линейная алгебра. Пер. с англ. М.: Машиностроение, 1976.
- Фаддеев Д.К., Фаддёева В. Н. Вычислительные методы линейной алгебры. М.: Фиэматгиз, 1963.
- Химмельблау Д. Анализ процессов статистическими методами. Пер. с англ. М.: Мир, 1973.
- Atkinson A.C. Plots, Transformations and Regression. Oxford. 1985.
- Belsley D. A., Kuh E., Welsch R.E. Regression diagnostics: Identifying influential data and source of collmearity. N.-Y. John Wiley and sons, 1980.
- BMDP Biomedical Computer Programs. UCLA Press, 1979.
- Daniel C., Wood F. S. Fitting equanion to data. N.-Y. John Wiley and sons, 1971.
- Eicker F. Asymptotic normality and consistency of the least squares estimations for families of linear regressions. Ann. Math. Stat., 1963, v. 34.
- Farrar D.E., Glauber R. R. Multicollinearity in regression analysis. The Review of Economics and Statictics, 1967, v. 49, П.
- Golub G. Reinsch C. Singular value decompositions and least squares solutions. Numer. Math., 1970, v. 14 № 4.
- Gunst R.F., Webster I.I., Mason R.L. A comparison of least squares and latent root regression estimators. Technometrics. 1976, v. 18, № 1.
- Hawkins D.M. Identification of outliers. L. 1980.
- Hocking R. R,, Speed F. M., Lynn M.J. A class of biased estimators in linear regression. Technometrics, 1.976, v. 18, N’J4
- Hoerl R., Shuenemeyer J., Hoerl A. A simulation of biased estimation and subset selection regression techniques. Technometrics, 1986, v. 28, № 4.
- Huber P. Robustness and designs. Amsterdam: North Holland, 1975.
- James W., Stein C. Estimation with quadratic loss, in: Proceedings of the 4-th Berkeley Symp. Math. Stat, and Prob., 1961, v. 1.
- Longley J.W. An apprisal of least-squares programs for the electronic computer from the point of view the user. JASA, 1967, v. 2, № 3.
- Marquardt D. W. An algoritm for least squares estimation of nonlinear parameters. Journal Soc. of Appl. Math., 1963, v. 2, № 4
- Marquardt D. W., Snee R. Ridge regression in practice. American statistician, 1975, v. 29, № 2.
- Siegel J. B. Statistical Software for Microcomputers. N.-Y., 1985.
- Stewart G. W. Collinearity, Scaling and Rounding Error in: Computer Science and Statisitcs, Amsterdam, 1986.
- Wetherill G.B. Regression analysis with applications. L. 1986. 50. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1986.
- Кнут Д. Е. Искусство программирования для ЭВМ. Т.2. Получисленные алгоритмы. М.: Мир, 1977.