风电功率波动特性的混合Logistic分布模型

自然界中风固有的波动性直接影响风电功率的准确预测。因此,如何定量描述风电功率的波动性是解决该问题的关键。文中提出一种混合Logistic分布模型来定量描述风电功率的波动变化率,采用改进K均值聚类算法来确定模型参数。从不同采样间隔分布特性以及时间窗分布特性分析该模型性能,并将该分布模型与单一分布模型Normal分布、Logistic分布以及混合高斯分布等模型进行对比,通过利用吉林省某风电场的实测数据仿真实验,比较其评价指标,验证了该文提出模型的有效性。

Logistic分布预测林分直径结构的研究

著名的Ｌｏｇｉｓｔｉｃ方程作为生物种群动态模型和生长曲线方程，在生态学和林学中得到了广泛应用；但它作为一种概率分布函数，却一直鲜为人知。林学上，对林分直径分布的研究，从６０年代以后，开始采用分布函数来描述林分的直径结构情况。如正态分布、对数正态分布、...

Logistic分布参数的渐近置信估计(Ⅰ)

利用Ｌｏｇｉｓｔｉｃ分布简单样本的样本均值及样本方差，建立Ｌｏｇｉａｔｉｃ分布位置参数及尺度参数的渐近正态估计量，进而得到分布参数的渐近置信估计．

利用样本分位数的Logistic分布参数的渐近置信估计

基于Logistic分布的若干个样本分位数 ,利用线性回归模型建立Logistic分布位置参数及尺度参数的渐近正态且渐近无偏估计量 ,得到分布参数的渐近置信估计。

两种新的水文频率分布模型:Pareto分布和Logistic分布

介绍了两种新的水文频率分布模型——Pareto分布和Logistic分布,分析了它们的统计特性和应用概况,制作了两种分布的离均系数表,能用一般的方法估计参数和设计值,可作为进一步研究频率曲线线型时的参考。

Logistic分布百分位值和百分率的置信限与容忍限公式

针对工程中常见的二态数据，建立了Ｌｏｇｉｓｔｉｃ分布的置信限曲线方程，给出了其百分位值和百分率的置信限与容忍限公式。从而可以求得Ｌｏｇｉｓｔｉｃ分布百分位值和百分率的置信区间与容忍区间，并可以对百分位值和百分率的各种条件和假设进行检验。

线性模型基于Logistic分布的贝叶斯变量选择

文章基于Logistic误差分布和贝叶斯推断方法,对线性模型提出了一种稳健的贝叶斯估计和贝叶得到回归系数显式后验分布;进一步通过引入回归系数0-1取值指示向量,基于模型选择研究了贝叶斯变量选择方法,同时提出易于抽样的Gibbs后验抽样方法。通过大量数值模拟和实例数据分析并与已有方法比较,验证了所提方法的有效性。

Logistic分布参数的渐进置信区间估计

利用Logistic分布简单样本的样本均值及样本方差,建立参数的渐近正态估计量,进而得到参数的渐近置信估计,最后利用样本分位数和GLSE,给出Ⅱ型截尾样本场合Logistic分布参数的渐进置信估计。在样本足够大的情况下,该方法简单有效。

Logistic分布及其医学应用

简单介绍了 Logistic分布的基本概念 ,同时以具体医学问题为例 ,进行 Logistic曲线拟合和判别分析 。

基于logistic分布的在险价值计算方法

针对Risk Metrics方法的不足,利用logistic分布对其进行了改进,并采用事后检验法对两种方法进行了比较,结果表明基于logistic分布的计算方法优于Risk Metrics方法.

基于Ⅱ型广义logistic分布和粒子群优化的退化可靠性建模

广义概率分布能够更加准确地描述性能退化数据的特性,降低奇异点和概率分布选择错误时带来的影响,为此,文中引入Ⅱ型广义logistic分布(Ⅱ-GLD)进行退化可靠性评估.通过加入位置参数和尺度参数对时变退化量建模,根据各时刻分布的分位数和对应试验数据之间的均方误差建立目标函数,结合粒子群优化(PSO)算法实现对目标函数中多个参数的同时估计.运用所提方法对实例进行退化可靠性评估、验证和对比,结果表明:该模型计算得到的退化数据均值和标准差与实际值的相对误差在8%以内,不同失效阈值下的可靠性评估结果与试验数据吻合良好;对比分析表明,与正态分布和威布尔分布相比,Ⅱ-GLD能够有效挖掘退化数据的尾部特性,真实反映产品的初期退化.

逐步Ⅱ型删失下Scaled half-Logistic分布的区间估计

在逐步Ⅱ型删失数据下,通过构建统计量得到了Scaled half-Logistic分布的参数的置信区间,并借鉴文献[5]的Ⅱ型删失样本模拟算法,给定置信水平,产生了不同删失方式下置信区间长度最短时参数的置信区间.

成败型数据下Logistic分布的参数估计

使用EM算法 ,在成败型数据下 ,对Logistic分布的参数进行估计 。

关于条件Logistic分布的两个猜测的证明(英文)

如果多维随机向量 Ｘ ＝ （ Ｘ１ ， Ｘ２ ， …， Ｘｎ） 满足条件分布是中心ｌｏｇｉｓｔｉｃ 分布，或条件分布和一维边际分布皆是ｌｏｇｉｓｔｉｃ 分布， 则在较弱的条件下证明了 Ｘ１ ， Ｘ２ ，…， Ｘｎ

一类包含多元Logistic分布的多元分布

采用 Ali 等人的方法模拟了一类包含第Ⅰ型多元 Logistic 分布的多元分布。考虑了这类多元分布的一些分布特征,尤其是解决了这类分布函数的识别性问题。

Logistic分布下联合位置与尺度模型的变量选择

Logistic分布是一类具有尖峰、厚尾特征的分布。同时大量异方差数据的存在使得方差建模和均值建模同等重要。文章基于以上两个方面,研究提出了Logistic分布下联合位置与尺度模型,并利用惩罚极大似然估计的方法对联合模型进行了变量选择。通过随机模拟表明该模型和方法是有用和有效的。

基于广义Logistic分布的选煤分级曲线数学模型

为了描述旋流器选煤实际分级曲线,将广义正态分布的变量形式引入Logistic分布,在传统的位置参数和分散参数的基础上引入了偏斜参数,构建了三参数的广义Logistic分布模型。理论推导得出,当偏斜参数分别为负值、零和正值时,广义Logistic分布曲线呈现右偏、对称和左偏三种不同形态;用广义Logistic分布模型拟合旋流器分级数据,其拟合精度高于Plitt模型,多数情况下也高于Lynch模型。本结论证明了广义Logistic分布模型是一个适应性良好和参数意义明确的分级曲线数学模型。

三参数Ⅰ型广义Logistic分布的极值分布的渐近展开

研究了服从三参数Ⅰ型广义Logistic分布的独立同分布随机变量序列的规范化最大值的极限分布,在线性赋范规范化常数条件下推导了规范化最大值分布的渐近展开式,得到了规范化最大值分布收敛到其极值类型分布的收敛速度.

基于有偏Logistic分布的回归建模及其Score检验

有偏Logistic回归模型是以非对称函数来连接,引进了偏态参数,这比标准Logistic回归模型能够更好地适用于实际数据。文章在总结和探讨有偏Logistic分布函数和密度函数性质的基础上,重点研究了基于该分布的回归建模问题,利用牛顿迭代法得到了参数估计算法。为检验解释变量的重要性,基于Score检验方法研究了相关的假设检验问题,并通过模拟研究其检验功效问题。利用AIC和BIC信息准则对四种回归模型进行拟合优度分析。

Logistic分布位置-尺度参数联合回归建模及其Score检验

Logistic分布是一种重要的位置-尺度分布,与正态分布比较,Logistic分布是一种厚尾分布.为刻画数据的异方差性,提出了基于Logistic分布的位置-尺度参数联合回归建模问题,利用牛顿迭代法得到了参数估计算法.为检验解释变量的重要性,基于Score检验方法研究了相关的假设检验问题,并通过数值模拟研究其检验功效问题.最后,利用AIC和BIC信息准则对基于Logistic回归模型和线性回归进行拟合优度分析.大量数值模拟和实例数据分析验证了所提方法的有效性.