Bradley M.贝尔。;詹姆斯·V·伯克。;阿兰·舒米茨基 估计多个数据集中参数和方差的相对加权方法。 （英文） Zbl 0900.65402号 计算。统计数据分析。 22，第2期，119-135（1996）. 总结：我们得到了多个数据集和每个数据值的非线性模型函数。每个数据值是其误差和在未知参数向量下计算的模型函数的总和。数据误差是均值零、有限方差、独立的，不一定是正态的，并且在每个数据集中分布相同。我们考虑了通过最大似然估计驱动的扩展最小二乘技术来估计数据方差和参数向量的问题。我们证明了从非线性规划中推广标准逐次逼近算法的算法的收敛性。这种推广将估计问题简化为一系列线性最小二乘问题。结果表明，当数据值的数目趋于无穷大时，参数和方差估计量收敛到其真值。此外，如果约束不活跃，则参数估计在分布上收敛。这种收敛不依赖于正态分布的数据误差。 引用于1文件 MSC公司： 65C99个 概率方法，随机微分方程 2012年12月62日 参数估计量的渐近性质 62J02型 一般非线性回归 62J05型 线性回归；混合模型 关键词：非线性最小二乘法;渐近统计 软件：nlmdl公司 PDF格式BibTeX公司 XML格式引用 \textit｛B.M.Bell｝等人，计算机。统计数据分析。22，第2号，119--135（1996；Zbl 0900.65402） 全文： 内政部 参考文献： [1] Burke，J.V.：复合非微分优化问题的下降方法。数学。掠夺。33, 260-279 (1985) ·Zbl 0581.90084号 [2] Caines，P.E.：线性随机系统，第8章。(1988) ·Zbl 0658.93003号 [3] 钟，K.L.：概率论课程。(1974) ·Zbl 0345.60003号 [4] Clarke，F.H.：优化和非光滑分析。52 (1983) ·Zbl 0582.49001号 [5] Gallant，R.A.：非线性统计模型。(1987) ·Zbl 0611.62071号 [6] 伊布拉基莫夫，I.A。；Has’minskii，R.Z.：统计估计：渐近理论。(1981) [7] Jennrich，R.I.：非线性最小二乘估计量的渐近性质。安。数学。统计师。40, 633-643 (1969) ·Zbl 0193.47201号 [8] Lehmann，E.L.：点估计理论。(1983) ·Zbl 0522.62020号 [9] Rockafellar，R.T.：凸分析。（1970年）·Zbl 0193.18401号 [10] Wets，R.J.-B.：凸函数、变分不等式和凸优化问题的收敛性。变分不等式与互补问题，375-403（1980）·Zbl 0481.90066号 [11] Wu，C.-F.：非线性最小二乘估计的渐近理论。Ann.统计学家。9, 501-513 (1981) ·Zbl 0475.62050号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。