淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0707200913151200
中文論文名稱 單調迴歸的最小平方估計
英文論文名稱 Least Square Estimation for Monotone Regression
校院名稱 淡江大學
系所名稱(中) 數學學系碩士班
系所名稱(英) Department of Mathematics
學年度 97
學期 2
出版年 98
研究生中文姓名 鄭欣怡
研究生英文姓名 Hsin-Yi Cheng
學號 695190529
學位類別 碩士
語文別 中文
口試日期 2009-06-16
論文頁數 25頁
口試委員 指導教授-溫啟仲
委員-黃逸輝
委員-吳裕振
中文關鍵字 單調迴歸  伯氏多項式  懲罰函數法 
英文關鍵字 Monotone Regression  Bernstein Polynomial  Penalty Function Method 
學科別分類 學科別自然科學數學
中文摘要 對於單調迴歸函數,尋求一個簡單、平滑及有效的估計是受到相當大關注。在本論文中,我們使用伯氏多項式來模型化迴歸函數,並以最小平方法來來估計單調迴歸函數。我們使用交叉驗證法來決定伯氏多項式的階數,提出一個以懲罰函數法為原理之演算法來計算所提估計,並提供迴歸函數之單點信賴帶的估計。模擬試驗及實際資料分析說明了此統計方法的可行性。
英文摘要 Search for a simple, smooth and efficient estimate of a smooth monotone regression function is of considerable interest. In this thesis, we describe a least square method for monotone regression in which the regression function is modeled by the Bernstein polynomial. We employ the cross-validation criterion to determine the degree of Bernstein polynomial, propose a penalty function method based algorithm to compute estimate and provide a pointwise confidence band for regression function. The success of this method is demonstrated in simulation studies and in an analysis of real data.
論文目次 目錄
第一節 緒論............................1
第二節 估計方法........................3
2.1 參數a與σ的估計方法..........3
2.2 E{hat(fa(x))}信賴區間估計...4
2.3 伯氏多項式階數J的選取.......5
第三節 演算法..........................7
第四節 模擬試驗.......................11
4.1 估計方法的數值表現.........11
4.2 估計方法的穩健性...........13
第五節 實例分析.......................21
第六節 討論...........................23
參考文獻..............................24
附錄..................................25

圖目錄
圖1 真實迴歸函數為5階伯氏多項式fa(x)係數a=
(1.0,1.1,1.2,7.0,7.1,7.3)',n=100,σ^2=1,1000組樣本的
模擬結果..................................17
圖2 真實迴歸函數為5階伯氏多項式fa(x)係數a=
(1.0,1.1,1.2,7.0,7.1,7.3)',n=100,σ^2=1,1組樣本的模
擬結果..................................17
圖3 真實迴歸函數為非多項式f(x)=ex+tan(2.3x-1)+1.5,n=100,
σ^2=1,1000組樣本的模擬結果.............. 20
圖4 真實迴歸函數為非多項式f(x)=ex+tan(2.3x-1)+1.5,n=100,
σ^2=1,1組樣本的模擬結果.............. 20
圖5 Mammen et al. (2001)方法所得之迴歸函數估計.....22
圖6 根據本論文所提最小平方法所得之迴歸函數估計及其95%信賴區
間.........22

表目錄
表1 真實迴歸函數為5階伯氏多項式fa(x)係數a=
(1.0,1.1,1.2,7.0,7.1,7.3)'之模擬試驗......15
表2 真實迴歸函數為5階伯氏多項式fa(x)係數a=
(1.0,1.1,1.2,7.0,7.1,7.3)'在hat(fa(tilta(x50)))之數值表
現.....16
表3 真實迴歸函數為非多項式f(x)=ex+tan(2.3x-1))+1.5之模擬試
驗.....18
表4 真實迴歸函數為非多項式f(x)=ex+tan(2.3x-1))+1.5在hat(fa
(tilta(x50)))之數值表現.....19
參考文獻 [1]Chang, I.S., Chien, L.C., Hsiung, C.A., Wen, C.C. and Wu, Y.J. (2007) Shape restricted regression with random Bernstein polynomials. In R. Liu, W. Strawderman and C.H. Zhang (eds), Complex Dataset and Inverse Problems. IMS Lecture Notes – Monograph Series. 54 187-202.
[2]Hastie, T.J., and Tibshirani, R.J. (1990) Generalized additive models. London: Chapman & Hall.
[3]Mammen, E., Marron, J.S., Turlach, B.A., and Wand, M.P. (2001) A general projection framework for constrained smoothing. Statistical Science, 16 232–248.
[4]Takezawa, K. (2006) Introduction to nonparametric regression. Hoboken New Jersey: Wiley-Interscience.
[5]Yang, W.Y., Cao, W., Chung, T.S., and Morris, J. (2005) Applied numerical methods using MATLAB. Hoboken New Jersey: Wiley-Interscience.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2014-07-22公開。
  • 同意授權瀏覽/列印電子全文服務,於2014-07-22起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信