缺失数据下N-W估计，本文主要内容关键词为：缺失论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：O211.7 文献标识码：A
引 言
人们对缺失数据的分析研究已有近70年的历史；对缺失数据下的参数回归推断研究比较多。相对而言；在缺失数据下对非参数回归模型研究较少[1-4]。近年来，缺失数据问题在应用领域越来越引起人们普遍的关注。由于在许多实际问题中；诸如抽样调查、医药追踪试验、可靠性寿命试验等都产生大量的缺失数据；其中相当一部分都是随机缺失。例如：在一个住户调查中，被调查者可能拒绝报告收入而缺失；在一个工业试验中，某些结果可能由于与试验过程无关的机制性的破坏而缺失等。因此，对缺失数据的统计性质进行讨论具有很重要的实际意义。
一、主要结果
先引入核函数K(·)及模型所需要的一些条件和引理。
在最优窗宽下，从图3和图4可以看出，对于正弦函数，缺失数据下的核估计也同样有很好的估计效果，见图3和图4。
三、定理的证明
(略，参见原文)
图1 拟合曲线图(实线为真实曲线，虚线为估计曲线)
标签：大数据论文;