NA误差下线性模型最小绝对偏差估计的相合性

文章基于相依序列,研究了线性模型,在若干条件的假设下,建立了以NA序列为误差的线性模型未知参数的最小绝对偏差估计的渐近性质,如最小绝对偏差估计的强相合性。此结果是在较弱的条件下将文献[1]中独立误差情形下未知参数估计的相关结果推广到了NA误差下相应的结果。

浅议数学教学中学生主动参与的引导

目前高职学校基础理论课课堂教学大都仍沿用传统的方法,学生往往是被动参与教学,只是单向接受教师传授的知识,学生的天性受到了限制。这与高职院校培养高级应用型人才的要求是不符的。为此,本文谈了在数学教学中引导学生主动参与的几点做法。

基于NOD误差线性模型最小L_1模估计的相合性

在本文中,基于NOD误差,该误差包含独立和NA变量误差,笔者建立了线性模型未知参数的最小L模估计的弱相1合性,强相合性及指数收敛速度,这些结果推广了Chen(1992)独立情形的相应结果.

■混合误差线性模型回归参数估计的强相合性

研究了随机误差为■混合序列的线性模型,获得了回归参数估计的强相合性,推广了独立情形相应的结果.

混合误差回归参数估计的强相合性的一个注记

在φ混合序列(或ψ混合序列)下,研究了线性模型回归参数估计问题并获得了强相合性结果,推广了独立情形相应的结果。

浅议数学教学中引导学生主动参与

高职学校数学基础课教学大都仍沿用传统的方法 ,学生往往是被动参与教学 ,单向地接受教师传授知识 ,教学效果有限。文章提出从“创设问题情境”、“培养反思”、“营造良好的教学氛围”、“培养合作、交流精神”四个方面引导学生主动参与高职数学课堂教学活动。

矩阵对角化的一个新方法

利用内积构造齐次线性方程组的方法,解决了实对称矩阵的正交相似问题,从而避免了Schm idt正交化.

基于神经网络的光栅莫尔条纹误差模型参数优化

光栅莫尔条纹的误差模型是一种多峰的复杂正弦波动函数级数形式,单一的基于导数的非线性参数拟合方法可能无效,神经网络方法不依赖于函数导数,仿真实验表明模型参数的拟合符合实际。

NOD误差下线性模型最小L_1模估计相合性的注记

基于NOD误差下线性模型未知参数最小L_1模估计的相合性的相关结果已被获得.对于NOD序列误差的含有常数项的线性回归模型,借助NOD序列的性质,建立未知常数项和未知参数的最小L1模估计相应的弱相合性和强相合性,将已有成果扩展到含有常数项的线性回归模型中.