公共文化服务平台

田保光: 作品数：22 被引量：30H指数：3; 供职机构：青岛科技大学数理学院更多>>; 发文基金：国家自然科学基金山东省高等学校科技计划项目山东省自然科学基金更多>>; 相关领域：理学生物学更多>>

合作作者

广义岭型主成分估计在降维估计类中的方差最优性质被引量：4: 2005年; 定义了一类降维估计,称为广义岭型降维估计类.在这类降维估计中,用矩阵求特征值的方法研究了广义岭型降维估计的方差最优性质.证明了它的方差阵最小,方差阵的特征值最小.进一步导出了广义岭型主成分估计的方差和、方差阵特征值乘积及方差阵的正交不变范数最小.; 田保光王建新常桂娟; 关键词：特征值

数据的剔除对Minimax线性估计的影响与相关系数: 2007年; 用方差比和广义方差比作为判定数据对Minimax线性估计影响的标准,建立了剔除一组数据时的方差比与相关系数的关系,找到了剔除多组数据时的广义方差比与Hotelling广义相关系数的联系,并讨论了剔除一组数据与剔除二组数据时的广义方差比之间的关系.; 田保光王建新翟发辉; 关键词：相关系数

权回归模型中的相对效率: 2009年; 将线性模型中定义的一种新相对效率e4(β)=min1≤i≤pλi(Covβ*)λi(Covβ)推广到权回归模型中,并研究了它的下界以及它与某些广义相关系数之间的关系。; 夏蕾田保光王楠楠许丽娟

最佳线性无偏估计中的影响度量与相关系数被引量：3: 1995年; 本文提出了最佳线性无偏估计中的二个影响度量；Ｃｏｏｋ距离与广义方差比．讨论了它们的统计性质，并揭示了它们与相关系数的内在联系．; 田保光; 关键词：线性无偏估计 COOK距离

剔除数据对Almon估计的交叉影响: 2006年; 从距离角度讨论一次剔除多组数据对Almon估计产生的影响大小,得到了它与广义相关系数之间的不等式关系,给出了影响的上下界。同时讨论了剔除二组数据时的Cook距离与剔除一组数据时Cook距离之间的关系。此外还建立了Almon估计中的A-P统计量,从数据矩阵的角度讨论了多组数据对Almon估计产生的影响。给出了一次剔除二组数据和一次剔除一组数据时A-P统计量之间的等式关系。; 张菊芳吕玉华田保光; 关键词：COOK距离广义相关系数

数据删除对Almon估计的影响与相关系数被引量：3: 2004年; 建立了判定数据的删除对Almon估计影响的度量———方差比。并找到了方差比与相关系数之间的内在联系。; 田保光; 关键词：相关系数

随机约束条件下线性回归模型中的联合影响被引量：2: 1995年; 本文讨论数据集对约束模型的影响问题。建立了单组数据影响与两组数据影响之间的关系。引进了一个新的影响度量，并和Ｃｏｏｋ距离做了比较。; 田保光郑高峰方荣凡; 关键词：线性回归模型 COOK距离

交换算子组相似极限的联合谱半径: 2007年; 设{Xn:n=1,2,…}是定义在Hilbert空间H上有界可逆算子序列,T=(T1,T2,…Tn)是有界交换算子组,XmTXm-1=(XmT1X-m1,XmT2Xm-1,…,XmTnXm-1,…,XmnXm-1),证明了如果Ξ={T=(T1,T2,…,Tn)∈L(H)ncom:limm→∞XmTXm-1存在}是闭集,T∈Ξ且limm→∞XmTX-m1=(limm→∞XmT1Xm-1,limm→∞XmT2X-m1,…,limm→∞XmTnXm-1)∈L(H)cnom,则T与limm→∞XmTXm-1的联合谱半径满足rsp(T)≤rsp(ml→im∞XmTXm-1)≤sl→im∞(α∈Z∑n+,|α|=s(s!/α!)‖T1α1…Tnαn‖2)1/(2s),这里|α|=∑nαi,α!=α1!…αn!,同时也给出了算子组T与limXmTX-m1的共同不变子空间。; 翟发辉王泽华田保光

岭型主成分估计的几条最优性质被引量：1: 2000年; 本文计论岭型主成分估计的最优性质。证明了在岭型降维估计类中，它的方差有ｎ种最小性，同时证明了在正交不变范数下了具有最小性。; 田保光; 关键词：岭型主成分估计

Optimality of Combining Ridge and Principal Components Regression被引量：5: 1990年; This paper deals with the regressi on optimality of combining ridge and prinapal components estimator.It is proved that the combining ridge and principal compenents estimator of regression coefficient has several types of minimum—Variance preperties.Some results of the paper[2] are the special cases of this paper.We also compare the combining ridge and principal components estimator with the principal components esti- mator in several senses.; 田保光; 关键词：岭型主成分估计矩阵