| dc.contributor.advisor | 劉明路 | zh_TW |
| dc.contributor.advisor | Liu, Ming-Lu | en_US |
| dc.contributor.author (Authors) | 何焱銘 | zh_TW |
| dc.contributor.author (Authors) | He, Yan-Ming | en_US |
| dc.creator (作者) | 何焱銘 | zh_TW |
| dc.creator (作者) | He, Yan-Ming | en_US |
| dc.date (日期) | 1980 | en_US |
| dc.date.accessioned | 6-May-2016 10:38:32 (UTC+8) | - |
| dc.date.available | 6-May-2016 10:38:32 (UTC+8) | - |
| dc.date.issued (上傳時間) | 6-May-2016 10:38:32 (UTC+8) | - |
| dc.identifier (Other Identifiers) | B2002007809 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/92669 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 統計學系 | zh_TW |
| dc.description.abstract (摘要) | 在機率論中，由於考慮因素的增加，因此往往有條件分配函數的存在（例如：身高 、年齡、體重等關係），我們假定當X=X 時 Y=Y(X) 之條件分配函數為H(y│x) 令 M(X)=E(y│x=x)=（ ∞ y dH(y│x) ，此時我們常稱M(x)為Y 在X 上之迴歸函 ）－∞ 數。 在一般迴歸分析常假設M(x)=β□＋β□ｘ 然後利用觀測值(ｘ□，ｙ□)，(ｘ□ ，ｙ□)，………，(ｘn ，ｙn )…… ，去推定β□及β□，例如最小平方法 ( ｎ Least Square) 就是以能使 Ｚ 〔Ｎi－（ｂo ＋ｂ1 ｘi）〕□為最小值時去推定 i＝1 β□及β□，並可進而推定M(x)之值。 為了不限制M(X)為X 之淺性函數，現在我們以另一觀點去探討迴歸問題，假設α為 任意洽定之實數且M(X)=α 有唯一之解ｘ＝θ，我們希望M(X)或Y(X)在滿足某些條 件下，能夠得到一隨機變數序列｛ｘn ｝，使得不管Ｘn 滿足何種分配函數，均能 有Ｘn 逼近到θ（雖然θ之值有時我們不容易求到）。 Robbins 與Monro 首先提出Y(X)受到限制時，關係式ｘn ＋１＝ｘn ＋ａn (ａ－ ｙn ) (３ａn )為一正數序列）可使ｘn 趨近於上式之根θ而Wolfouitz 與Kiefer ，將其擴展並討論在M(X)為極大時隨機逼近序列｛ｘn ｝之逼近情形，著者在文中 將改變其條件以討論其另一種逼近情形。 最後，我們討論多變量的逼近法則，即ｋ個隨機變數｛ｙ□｝，………，｛ｙk ｝ 分別為隨機變數ｘ□，……，ｘn 之函數，則在文中我們希望能尋出一個法則，利 用向量內積的方法，可同時逼近多個條件期望值Ｍ(i)（ｘ□，……，ｘn ）＝α1 之解，文中並同時討論Ｍ(i)（ｘ□，……，ｘn ） 為極大之情形。 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#B2002007809 | en_US |
| dc.subject (關鍵詞) | 隨機逼近法 | zh_TW |
| dc.subject (關鍵詞) | 迴歸函數之解 | zh_TW |
| dc.subject (關鍵詞) | 統計 | zh_TW |
| dc.subject (關鍵詞) | STATISTICS | en_US |
| dc.title (題名) | 隨機逼近法求迴歸函數之解的探討 | zh_TW |
| dc.type (資料類型) | thesis | en_US |
