1)2 Stage Least Squares两阶段最小二乘估计
英文短句/例句
1.Local Linear Estimation by Two Stages Least Square for Nonparametric Simultaneous Equation Models in Econometrics非参数计量经济联立模型的局部线性两阶段最小二乘估计
2.mixed three-stage least-squares estimatio混合三阶段最小二乘估计
3.generalized least squares estimator广义最小二乘估计量
4.In this paper, Two Different Concepts for the Recursion of Least Square Estimation is Introduced.本文阐述了两类不同概念的递推最小二乘估计。
5.Simulation results show that the weighted least squares estimate has better properties than the least squares estimate.模拟结果表明加权最小二乘估计比最小二乘估计有优良的性质。
6.A Least Square Nonlinear Estimation of Cumulative Reserves Model累计储量模型的非线性最小二乘估计
7.least squares collocation最小二乘配置法，最小二乘拟合推估法
8.truncated 2 SLS截断二段最小二乘法
9.joint GLS coefficient estimator联合广义最小二乘系数估计量
10.RECURSIVE FAST ALGORITHM FOR LEAST SQUARES ESTIMATION WITH HOUSEHOLDER TRANSFORMATION最小二乘估计的HOUSEHOLDER变换快速递推算法
11.Genetic Algorithms Research Based on Nonlinear Least Squares Estimation;非线性最小二乘估计的遗传算法研究
12.Weighted Least Squares Estimate for Linear Regression Model;线性回归模型中的加权最小二乘估计
13.Robustness Least Squares Estimator of Mixed Normal Distribution;混合型正态分布的抗差最小二乘估计
14.Relative Efficiencies of Least Squared Estimates in Linear Models线性模型中最小二乘估计的相对效率
15.Least Square DOA Estimator Fast Algorithm by MIMO SonarMIMO声纳最小二乘方位估计快速算法
16.Parameter Estimation for Least Square Method关于最小二乘法的参数估计问题探讨
17.DEM Matching Algorithm Using Least Trimmed Squares Estimator采用截尾最小二乘估计的DEM匹配方法
18.iterative three-stage LSE迭代三阶段最小平方估计
相关短句/例句
local linear estimation by TSLS with variable bandwidth局部线性两阶段最小二乘变窗宽估计
3)local linear estimation by two stages least square局部线性两阶段最小二乘估计
4)threestage least squares estimation三阶段最小二乘估计
5)Two Stage WLS method两阶段加权最小二乘法
6)Two Stage Least Square两阶段最小二乘法
延伸阅读
广义最小二乘估计 用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计，即其估计值存在偏差。这时采用广义最小二乘估计能获得较精确的结果。 假设所讨论的单输入单输出系统的差分方程模型是 式中{uk}和{yk}分别是输入和输出序列：和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子；{ek}是误差序列，它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成，这里，它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成 相应的估计准则是 广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。 广义最小二乘估计采用迭代的松弛算法：先行固定C(z-1)，估计A(z-1)和B(z-1),使J 趋于极小；然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代，直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算，迭代的初值取扗(z-1)=1。 广义最小二乘估计算法的估计精度高，已得到应用并获得不少成果。它的缺点在于：当信噪比较小时,J可能有多个局部极小点，估计结果不能保证收敛到全局最小点，即参数真值；它的计算量也比线性最小二乘估计增加很多。 这种算法也可推广到多输入多输出系统，并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时，这种算法还可以解释为极大似然估计的松弛算法。 参考书目 G.G.哥德温、R.L.潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。(G.C.Goodwin and R.L.Payne，Dynamic System Identification：Experiment Design and Data Analysis, Academic Press, New York,1977.)
