为了减少计算复杂性,在计算机试验设计中,最近人们提出了一种新的统计方法-拟回归(Owen(2000),An and Owen(2001),在独立同分布模型中,拟回归不仅能提高计算速度,而且在较好的统计性质,然而,对相关数据模型,这种方法的统计性...为了减少计算复杂性,在计算机试验设计中,最近人们提出了一种新的统计方法-拟回归(Owen(2000),An and Owen(2001),在独立同分布模型中,拟回归不仅能提高计算速度,而且在较好的统计性质,然而,对相关数据模型,这种方法的统计性质并不好,针对这一问题,在不增加计算复杂性的条件下,本文提出一种分块拟回归方法。我们研究分块拟回归的小样本和大样本性质,如无偏性,均方收敛性,强收敛性和渐近正态性。结果表明分块拟回归比原拟回归渐近有效,本文还讨论了曲线拟合的性质,指出了分块拟回归(包括原拟回归)在高维问题中的缺陷,为改善曲线拟合,我们还提出一种修正分拟回归,研究表明,在高维问题中,修正分块似回归是十分有效的。展开更多
文摘为了减少计算复杂性,在计算机试验设计中,最近人们提出了一种新的统计方法-拟回归(Owen(2000),An and Owen(2001),在独立同分布模型中,拟回归不仅能提高计算速度,而且在较好的统计性质,然而,对相关数据模型,这种方法的统计性质并不好,针对这一问题,在不增加计算复杂性的条件下,本文提出一种分块拟回归方法。我们研究分块拟回归的小样本和大样本性质,如无偏性,均方收敛性,强收敛性和渐近正态性。结果表明分块拟回归比原拟回归渐近有效,本文还讨论了曲线拟合的性质,指出了分块拟回归(包括原拟回归)在高维问题中的缺陷,为改善曲线拟合,我们还提出一种修正分拟回归,研究表明,在高维问题中,修正分块似回归是十分有效的。