一种用于推算感染时间曲线的非参数极大似然估计方法

目的:研究通过传染病发病时间曲线推算感染时间曲线的方法。方法:采用基于EMS算法的非参数极大似然估计方法,根据传染病的发病资料和潜伏期资料推算感染时间曲线,并用于中国内地SARS感染时间曲线推算。结果:通过Mat-lab编程,所采用的方法可以方便地估计出感染时间曲线,并可平滑个体数据的波动。用于推算中国内地SARS感染时间曲线,发现感染时间曲线平滑稳定,有明显的2个高峰,感染高峰与实际发病高峰间隅5 d左右;发病人数(4 634例)与估计的感染人数(4 633.6例)相差在0.5例以内。结论:基于EMS算法的非参数极大似然估计3-法对于感染时间曲线的估计是可靠的,可以用于SARS感染时间曲线的推算。所推算的感染时间曲线有助于干预措施被果评价。

二元逻辑回归模型中的随机约束两参数极大似然估计

针对二元逻辑回归模型中的复共线性问题,同时考虑模型中待估参数存在先验信息的情况,提出了一类新估计即随机约束两参数极大似然估计。研究得到了新估计在均方误差矩阵准则下优于Liu极大似然估计,Liu-Type极大似然估计,两参数极大似然估计,随机约束极大似然估计,随机约束Liu极大似然估计和随机约束Liu-Type极大似然估计的充要或充分条件。探讨并给出了新估计中偏参数的最优建议值。更进一步,基于偏参数的最优建议值,通过蒙特卡罗模拟方法,分析了新估计在均方误差意义下的优良性。

部分线性模型参数极大似然估计的收敛速度

针对部分线性模型,在其随机误差的分布函数属于刻度族,刻度参数未知,并且响应变量的观测值为区间删失数据的情形下,讨论了其Sieve极大似然估计的强相合性和弱收敛速度.

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法 ,然后研究了基于EM算法的混合密度极大似然参数估计 ,最后利用计算机仿真验证了此算法的收敛性和有效性 .

极大似然法在水下机器人系统辨识中的应用

主要探讨了极大似然参数估计法及其松弛算法 ,将它们应用于水下机器人运动模型的辨识中 .利用水下机器人的海上类Z型试验数据 ,辨识得到某智能水下机器人水动力系数 ,并对比了两种算法的结果 ,可看出松弛算法有更好的收敛性 .然后用辨识得到的水动力系数建立了水下机器人的运动模型 ,用运动仿真进行了模型验证 .仿真结果表明辨识得到的数学模型是可靠的 ,本方法对于水下机器人操纵与自适应控制的研究有较大的实际意义 .

一类随机微分方程的参数估计

随机Gilpin-Ayala方程其用幂函数的表达式来更好的刻画各种密度制约机制,具有一般代表性,本文以随机微分方程理论和统计学方法作为工具,探讨随机种群生态模型Gilpin-Ayala方程在It随机积分意义下的正解存在唯一性和参数估计问题.

基于Monte Carlo法的极值分布类型及其参数估计方法比较

为探讨极值概率分布模型(极值Ⅰ型、Ⅱ型、Ⅲ型分布)在工程场地重现期内极值风速预测中的适用性,以工程上常用的风速分布模型为依据,采用Monte Carlo数值模拟法分别产生服从指数分布、正态分布、瑞利分布、威布尔分布、对数正态分布、广义极值分布的伪风速母样.基于以上伪风速母样分别使用极大似然参数估计法和概率权矩法对极值Ⅰ型、Ⅱ型、Ⅲ型分布模型中的参数进行估计,并与伪风速母样的理论极值分布进行对比分析.结果表明:极大似然参数估计法适用性较强,参数估计精度较高;重现期内极值风速的估算对风速母样分布类型敏感,服从不同分布的风速母样,应有针对性选用极值分布类型估算重现期内极值风速.

具随机扰动食物有限模型正解的全局吸引性及参数估计

研究随机食物有限型模型N.(t)=N(t)[(K-N(t))/(K+CN(t))](r+αB.(t)),其中B(t)是一维Brown运动,B(0)=0,初值满足0<N(0)=N0<K。利用随机微分方程、统计学、数值模拟相结合的方法,研究了正解的全局吸引性,对其具体模型作了数值模拟,模拟的结果与定理的结论一致,并对模型中的参数α2、r进行了估计,在正态分布的假设下,极大似然估计值和真实值之间没有明显区别。

基于期权价格的Lévy过程参数估计研究

Lévy过程可准确描述某些复杂的分布特征,如:尖峰、厚尾及有偏等,也可将标的资产运动过程中所展现的非连续性体现出来,因此在金融过程中得到了广泛而有效的运用.本研究基于期权的定价公式,运用极大似然法以及快速傅里叶变换对方差伽马(Variance-Gamma,VG)模型、Carr-Geman-MadanYor(CGMY)模型及VGSA模型(VG和Cox-Ingersoll-Ross模型的复合指数模型)等几种典型Lévy过程的参数进行有效估计,并且通过香港恒生指数期权数据对该方法进行验证.

基于EM算法的混合模型的参数估计

介绍了极大似然参数估计,然后介绍了混合模型极大似然参数估计的EM算法实现,最后利用计算机仿真实验验证了此算法的有效性和收敛性.

具有Holling第Ⅱ类功能性反应的食饵-捕食者随机模型的参数估计

主要研究具有Holling第II功能性反应的食饵-捕食者随机模型的统计特性.利用Euler离散化方法和极大似然估计方法,对具有Holling第II功能性反应的食饵-捕食者随机模型的参数进行估计并对其作数值模拟.结果显示极大似然估计值和真实值数据相当吻合.

随机食物有限种群模型参数估计的相合性及其渐近分布

利用随机微分方程理论及统计学方法,研究随机食物有限型模型N.(t)=N(t)(K-N(t)K+CN(t))(r+αB.(t)),其中B(t)是一维Brown运动,满足B(0)=0,初值0<N(0)=N0<K,讨论此模型中参数α,r的极大似然估计,r的相合性及其渐近分布问题,证明了估计量,r具有强相合性及渐近正态性.

具有随机扰动的Logistic方程正解的存在唯一性、全局吸引性及其参数的极大似然估计

讨论了随机化Logistic方程(?)(t)=(r+α(?)(t))N(t)[1-N(t)/K],其初值N(0)=N_0且0＜N_0＜K是一个随机变量．主要研究了正解的存在性、唯一性及全局吸引性,并给出了方程中参数的极大似然估计．

关于区间数据的分布函数估计问题

随机变量的区间观察值是指在随机试验中,我们只知道随机变量X是否落入某个可以观察的区间(TL,TR](该区间可以是来自某个已知或未知的二维分布),但不知道随机变量X的具体观察值.这类问题不同于以往讨论过的左截断,右截断或双侧截断问题,本文将所见到的一些有关分布函数方面的研究成果作了一个简要介绍,同时也给出了作者的最新研究结果。

含有区间删失数据时的生存函数估计及其SAS实现

目的 介绍生存分析中区间删失数据的特点及含区间删失数据生存函数估计的非参数方法,并介绍其在SAS9.2中的程序实现.方法 采用非参数极大似然估计法对Beadle等研究2种疗法对早期乳腺癌患者形体美容效果研究的区间删失数据进行生存函数估计,并利用SAS中的宏程序%EMICM实现其计算.结果 非参数极大似然估计法有效的计算出了2组疗法患者每个个体的生存概率、死亡概率、累积生存概率以及生存率的标准误,绘制出了2组疗法患者的生存曲线.结论 区间删失数据是临床实践中较常见的一类数据,区间删失数据生存函数估计的非参数方法 是常用的一种方法,但其计算相对右删失数据过程复杂,缺乏相应的软件实现,本文提供的SAS宏程序可以有效的实现计算,为实际工作提供帮助.

一个有趣的图

对正态AR(1),AR(2),平稳序列,参数极大似然估计的解析解及唯一性,给出了一些结果.

六自由度串联机器人自适应鲁棒控制算法的改进

针对鲁棒控制在六自由度串联机器人轨迹跟踪控制性能较差以及自适应控制收敛有限,容易造成机器人出现无法控制和往复震荡等现象。为此,综合考虑机器人动力传输与摩擦学特性,为降低测量误差对系统参数估计的影响,利用极大似然参数估计方法得到参数辨识的精确结果,同时将自适应鲁棒控制的积分参数估计调整为比例积分参数估计,在期望补偿自适应鲁棒控制算法的基础上提出改进自适应鲁棒控制算法。仿真验证表明,提出的改进算法显著提高系统的运动稳定性和可控性,轨迹的跟踪精度大大提高。

基于液压行业的在线自适应考核系统

针对液压行业多媒体实训发展滞后问题,采用ASP语言以及B/S三层结构开发了液压实训在线自适应考核系统。自适应考核系统以项目反映理论为基础,采用联合极大似然法对能力参数进行估计;提出基于b区分度的分层选题策略;最后通过蒙特卡洛计算机模拟法将系统关键性能参数与普通纸张考试进行对比。实验数据表明液压在线自适应考核系统比普通纸张考试更具有优越性,能够更好地满足液压实训和在线考试的要求。