دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب On least-squares bias in the AR(p) models: Bias correction using the bootstrap methods
دانلود کتاب بایاس حداقل مربعات در مدل‌های AR(p): تصحیح سوگیری با استفاده از روش‌های بوت استرپ
مشخصات کتاب
On least-squares bias in the AR(p) models: Bias correction using the bootstrap methods
ویرایش: نویسندگان: Hisashi T., Yoichi M., Shigeyuki H. سری: ناشر: سال نشر: 2006 تعداد صفحات: 16 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 109 کیلوبایت
قیمت کتاب (تومان) : 42,000
در صورت تبدیل فایل کتاب On least-squares bias in the AR(p) models: Bias correction using the bootstrap methods به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بایاس حداقل مربعات در مدل‌های AR(p): تصحیح سوگیری با استفاده از روش‌های بوت استرپ نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب بایاس حداقل مربعات در مدل‌های AR(p): تصحیح سوگیری با استفاده از روش‌های بوت استرپ
در موردی که متغیرهای وابسته عقب مانده در مدل رگرسیون گنجانده می شوند، مشخص است که برآوردهای حداقل مربعات معمولی (OLSE) در نمونه کوچک بایاس هستند و با افزایش تعداد متغیرهای نامربوط، سوگیری افزایش می یابد. در این مقاله، بر اساس روش‌های بوت استرپ، تلاش شده است تا تخمین‌های بی‌طرفانه در موارد اتورگرسیو و غیر گاوسی به دست آید. ما روش بوت استرپ مبتنی بر باقیمانده را در این مقاله پیشنهاد می‌کنیم. برخی از مطالعات شبیه سازی برای بررسی اینکه آیا روش تخمین پیشنهادی به خوبی کار می کند یا خیر، انجام می شود. ما نتایجی را به دست می‌آوریم که امکان بازیابی مقادیر واقعی پارامتر وجود دارد و این که روش پیشنهادی تخمین‌گرهای کم‌تری نسبت به OLSE به ما می‌دهد.
توضیحاتی درمورد کتاب به خارجی
In the case where the lagged dependent variables are included in the regression model, it is known that the ordinary least squares estimates (OLSE) are biased in small sample and that the bias increases as the number of the irrelevant variables increases. In this paper, based on the bootstrap methods, an attempt is made to obtain the unbiased estimates in autoregressive and non-Gaussian cases. We propose the residual-based bootstrap method in this paper. Some simulation studies are performed to examine whether the proposed estimation procedure works well or not. We obtain the results that it is possible to recover the true parameter values and that the proposed procedure gives us the less biased estimators than OLSE.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Theoretical Physics 4: Special Theory of Relativity
دانلود کتاب How to Ace Calculus: The Streetwise Guide
دانلود کتاب Vaisnavism, saivism and minor religious systems
دانلود کتاب Le Sujet communiste - Identités militantes et laboratoire du "moi"
