基于一类重尾分布的函数型线性回归模型的稳健性估计  

Robust Estimation of Functional Linear Regression Models Based on a Class of Heavy-tailed Distributions

作　　者：单国栋[1] 侯以恒 刘柏森 SHAN Guo-dong;HOU Yi-heng;LIU Bai-sen(School of Science,Changchun University,Changchun 130022,China;School of Statistics,Dongbei University of Finance and Economics,Dalian 116025,China)

机构地区：[1]长春大学理学院 [2]东北财经大学统计学院

出　　处：《数学的实践与认识》2019年第1期181-187,共7页Mathematics in Practice and Theory

基　　金：辽宁省教育厅重点项目(LN2017ZD001)

摘　　要：假定随机误差分布来自具有重尾特征的scale mixtures of normal分布族,运用贝叶斯方法研究了函数型线性回归模型的稳健性估计,其中模型的响应变量为标量,解释变量为函数型变量.数值模拟结果表明:当响应变量的观测数据存在离群值时,建立的方法得到的模型参数的估计,要优于正态分布假定下的模型参数的估计.It gives Bayesian robust estimations of functional linear regression models, where the response is a scalar and the predictor is functional, by applying a class of heavy-tailed scale mixtures of normal distributions for random measurement errors. The numerical results showed that: the estimations of the model parameters using scale mixtures of normal distributions outperform the estimations using normal distributions.

关 键 词：函数型数据 函数型线性回归模型 scale mixtures of normal分布族 MARKOV Chain MONTE Carlo算法 

分 类 号：O212.1[理学—概率论与数理统计]