Chp非参数估计.pptVIP

  1. 1、本文档共35页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Chp7:非参数估计 CDF估计 点估计 区间估计 统计函数估计 点估计 区间估计 Chp7:非参数估计 一个非参数模型的例子: “非参数”并不意味着没有参数,而是指模型不能参数化(有无限个参数)。 非参数化方法 一些流行的非参数化方法: 直方图、核密度估计 (密度估计) 样条、小波回归 (回归) 核判别分析、最近邻、支持向量机SVM (分类) 非参数化方法 非参数模型有时亦称局部模型(local model) 如:核回归 常用核函数 : CDF估计和统计函数估计 回到最基本状态,无需任何假设 经验分布函数 (Empirical Distribution Function, EDF) 令 为IID,则经验分布函数 定义为 其中 称为指示函数(indicator function)。 注意: 是基于排序好的样本数据的一个步长函数,在有样本时跳 1/n 。 是F的一个很好估计? 给定x, 是一个随机变量: 服从二项分布 所以 是F的一个很好估计? 所以 EDF的置信区间 Glivenko-Cantelli 定理 如果 ,则 Dvoretzky-Kiefer-Wolfowitz (DKW)不等式 如果 ,则对任意 ?可根据下面的步骤构造F的1-α置信区间。 EDF置信区间 定义 则对任意F和所有x 所以 为F的 非参数置信区间。 CDF估计举例 统计函数的估计 统计函数/统计泛函:F的任意函数 均值: 方差: 中值: 统计函数的估计:嵌入式估计量(Plug-in Estimator) 的嵌入式估计量为 插入 代替未知的F 嵌入式估计量:线性函数 若对某个函数 ,有 ,则称T为一个线性函数。 T为一个线性函数: 该函数的嵌入式估计量为 例如:均值 例:方差 方差: 因此 注意:与样本方差稍有不同。 例:偏度 令 和 分别表示随机变量X的均值和方差,偏度定义为: 表示分布偏离对称的程度。 因为 所以 的嵌入式估计量为: 例:样本相关系数 令 表示X与Y之间的相关系数,其中 为二元随机向量的分布 。 其中 用 代替 中的F,得到样本相关系数: 例:样本分位数 令F为密度为f的严格增函数 第p分位数: 的估计为 由于 不可逆,为避免歧义,定义 称为样本分位数。 线性函数估计的置信区间 通常可以假定线性函数满足中心极限定理,即 这样只要知道了 ,就可以比较容易得到置信区间:渐近正态性 基于正态的置信区间: 如95%的置信区间为: 问题:标准误差 的估计 标准误差 的估计 影响函数 Bootstrap方法 影响函数 (Influence Functions) 影响函数用于估计一个嵌入式估计量的标准误差。影响函数定义为 其中δx 为x处的一个Delta函数, 为F和点x的混合体 影响函数形式同导数相同,表示统计函数 的变化率。影响函数越大,当F变成 时, 变化越大(与估计的方差有关) 经验影响函数 影响函数为 简记为 经验影响函数为 影响函数的性质 令 为一个线性函数, 则 1. 影响函数的性质 2. 对任意G,有 影响函数的性质 3. 影响函数的性质 4. 令 ,若 ,则 影响函数的性质 5. 令

文档评论(0)

118books + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档