偏正态混合效应模型中方差分量函数的参数Bootstrap推断

偏正态混合效应模型通过引入偏度参数,以便更好地刻画实际数据偏态特征,所以被广泛应用于众多实际领域.进一步,方差分量的假设检验一直是该模型的热点研究问题.因此,有必要在偏正态分布下系统讨论混合效应模型中方差分量函数的统计推断问题.首先,分别基于参数Bootstrap方法和广义方法探讨单个方差分量、方差分量之和、方差分量之比的单边假设检验和区间估计问题.其次,Monte Carlo结果表明,在所给样本量和参数设置下,参数Bootstrap方法大多数情况下优于广义方法.最后,将上述方法应用于空气质量指数的案例研究中,以验证所给方法的合理性与有效性.

导弹精度评估的非参数Bootstrap方法

基于目前导弹试验的实际状况，讨论了小子样情况下精度指标的置信区间估计的非参数Bootstrap方法。介绍了Bootstrap方法的基本概念，综合比较了非参数Bootstrap抽样和参数Bootstrap抽样的特点，对基于传统百分位法的改进区间估计方法进行了简要说明，包括迭代Bootstrap方法、Bootstrap-t方法及纠偏百分位方法；最后，通过大量仿真计算初步分析了各种非参数Bootstrap区间估计方法的性能和适用范围，并给出了若干建议。

中介效应的点估计和区间估计:乘积分布法、非参数Bootstrap和MCMC法

针对中介效应ab的抽样分布往往不是正态分布的问题,学者近年提出了三类无需对ab的抽样分布进行任何限制且适用于中、小样本的方法,包括乘积分布法、非参数Bootstrap和马尔科夫链蒙特卡罗(MCMC)方法。采用模拟技术比较了三类方法在中介效应分析中的表现。结果发现:1)有先验信息的MCMC方法的ab点估计最准确;2)有先验信息的MCMC方法的统计功效最高,但付出了低估第Ⅰ类错误率的代价,偏差校正的非参数百分位Bootstrap方法的统计功效其次,但付出了高估第Ⅰ类错误率的代价;3)有先验信息的MCMC方法的中介效应区间估计最准确。结果表明,当有先验信息时,推荐使用有先验信息的MCMC方法;当先验信息不可得时,推荐使用偏差校正的非参数百分位Bootstrap方法。

寿命分布的参数Bootstrap拟合优度检验方法

拟合优度检验在统计和可靠性等领域具有非常重要的地位,基于参数Bootstrap重采样的思想,对未知参数的常用寿命分布进行拟合优度检验。数值仿真结果表明,相对于传统的经验分布函数检验,这种基于参数Bootstrap的拟合优度检验具有更高的功效,特别是在小样本的情况下,优势明显。

基于非参数Bootstrap方法的随机性链梯法及R实现

在我国目前精算实务中,未决赔款准备金评估的不确定性风险逐渐得到重视,对不确定性加以度量显得很有必要。传统链梯法是未决赔款准备金评估最常用的确定性方法,而过度分散泊松模型是与传统链梯法等价的随机性模型,在过度分散泊松模型下,准备金的极大似然估计和传统链梯法的估计值相同。文章把非参数Bootstrap方法应用于过度分散泊松模型中,得到了未决赔款准备金的预测均方误差和预测分布,并通过精算实务中的数值实例应用R软件加以了实证分析。

异常值对非参数bootstrap法估计的影响分析

在样本中混入单侧异常值和双侧异常值两种情形下,文章讨论了非参数bootstrap估计的估计效果。结果表明:相同的异常值比例下,双侧异常值情形下的点估计表现比单侧的好,分布形态比单侧情形的更接近于正态分布,区间估计能覆盖真值的比例更高,不过区间长度比单侧情形的要长;不同的异常值比例下,比例越高,区间长度越长,分布形态更接近于正态分布,单侧情形的点估计距离真值愈远,但双侧情形的点估计距离真值起伏不定。

Panel数据模型的参数bootstrap推断

利用广义p值和参数bootstrap方法,研究了Panel数据模型中未知参数的假设检验问题.对于回归系数,基于最小二乘估计和两步估计方法,考虑了非齐次线性假设检验问题.对于方差分量,研究了单边假设检验问题.进而利用Monte Carlo方法进行模拟研究.模拟结果表明,参数bootstrap检验方法既能较好控制犯第一类错误的概率,又具有较高的功效,且大多数情况下优于广义p值检验方法.

异方差下多个正态总体共同均值的参数bootstrap推断

文章使用参数bootstrap(PB)方法考虑了当方差未知且可以不相等时多个正态总体共同均值的假设检验和置信区间构造问题。基于共同均值一个著名估计,提出了一种参数bootstrap统计推断方法,并借助Mon-te Carlo方法与经典的近似解法和广义推断方法进行了比较。随机模拟结果表明,就第一类错误概率和覆盖率而言,参数bootstrap推断方法表现更好。参数bootstrap方法不仅具有满意的第一类错误概率和覆盖率,而且具有良好的检验功效和置信区间平均长度表现。

非对称分布的非参数bootstrap法置信区间比较

文章首先模拟产生了非对称分布Exp(1)的20个随机样本;分别计算了样本方差和样本标准差的非参数bootstrap法正态区间,分位数区间,学生化枢轴区间和BCa区间;从区间的形状,长度,变换适应性等指标方面进行了比较。结果表明,在非对称分布中,BCa区间在各个指标值中是最好的;分位数区间端点沿着较长的分布尾巴方向上调整太多,但较稳定;学生化枢轴区间长度最长且表现的最不稳定。

非参数bootstrap方法及其应用

目的:介绍非参数bootstrap方法在验证统计模型参数估计值稳定性方面的应用。方法:采用非参数bootstrap方法验证累积比数L og istic回归模型参数估计值的稳定性。结果:累积比数L og istic回归模型中6个因素的θ∧-β∧/S∧θ均小于25%,可认为模型参数估计值的稳定性较好。结论:采用非参数bootstrap方法验证统计模型参数估计值的稳定性值得推广应用。

Behrens-Fisher问题的参数bootstrap区间估计

文章使用参数bootstrap方法考虑了Behrens-Fisher问题中关于两个正态总体均值差的置信区间构造问题。文献中常用的区间估计方法均不能在各种样本容量和参数设置下都保证置信区间的覆盖率和估计精度。文章提出了一种参数bootstrap区间估计方法,并与流行的Welch近似解法和广义置信区间进行了比较。借助Monte Carlo方法研究了这三种方法的覆盖率和区间平均长度。模拟结果表明,在一般样本量下,参数boot-strap区间估计表现最好,且在极小样本、异方差程度严重的情况下,参数bootstrap方法仍然优于Welch近似解法和广义枢轴量法,广义置信区间估计则非常保守,精度很低。

基于参数Bootstrap方法的双参数指数分布可靠寿命的置信下限

针对双参数指数分布的截尾数据,利用一种新的参数Bootstrap方法,构建了可靠寿命的置信下限,并从理论上证明了给出的置信下限是精确的.在小样本情形下,通过比较新的参数Bootstrap方法取得的置信下限与Engelhardt-Bain方法取得的近似置信下限的覆盖率,发现参数Bootstrap置信下限更令人满意.

参数和非参数Bootstrap方法的简单中介效应分析比较

采用数据模拟技术比较了(偏差校正和未校正的)参数和非参数Bootstrap方法在简单中介效应分析中的表现。结果表明,1)偏差校正的Bootstrap方法的总体表现优于未校正的Bootstrap方法,但在某些条件下会高估第Ⅰ类错误率,导致在ab=0时的置信区间偏差较大。2)参数Bootstrap方法优于非参数Bootstrap方法,偏差校正的参数百分位残差Bootstrap法的综合表现最优,且具有适用范围广,对原始样本依赖性小的优点,最具实用性。

非参数bootstrap方法及其MATLAB实现

介绍非参数bootstrap方法的实现步骤,并通过具体实例,利用MATLAB强大的编程和计算功能实现了非参数bootstrap方法。

二维指数信号模型中参数Bootstrap估计的渐近正态性

主要研究了二维带白噪声指数信号模型中参数估计的Bootstrop逼近,借助于回归模型中Bootstrap逼近的构造方法,给出了二维指数信号模型参数的自助估计,并证明了自助估计的渐近正态性.

“十三五”期间中国经济增长率预测研究——基于非参数bootstrap方法

2017年是我国"十三五"规划的第二年,前三季度经济增速出现企稳迹象,但目前我国经济增速还仍然处于低谷阶段,还看不到增速开始向高增长恢复的趋势。当前主流的观点是,"十三五"期间我国经济发展速度将继续由高速增长期向中高速增长期过渡,经济增速普遍预测维持在7%上下。本文采用非参数bootstrap方法对我国"十三五"期间的经济增长率的概率分布进行预测,研究发现未来"十三五"期间经济增长率平均水平小于7.5%的概率仅为0.52%,位于7.5%到10.8%的期间的概率为54.9%。本文认为,我国经济增长率将从当前的低谷阶段逐步回升到中速增长阶段,经济增长进一步下降的可能性极小,不宜对我国未来经济增长前景过于悲观。

非参数bootstrap估计失效情形的探讨

文章探讨了非参数bootstrap估计失效的情形,结果表明,当总体参数θ=θ(F)的估计Tn仅利用了样本X1Xn中的部分时,非参数bootstrap估计就会失效;其次,利用均匀分布对结论进行了验证,结果表明,非参数bootstrap方法再抽样计算的1000个极大值比较分散,相应密度曲线左尾厚且上升缓慢,与真实分布相差较远。

Behrens-Fisher问题的参数Bootstrap检验

文章使用参数bootstrap方法研究了Behrens-Fisher问题。提出了新的参数bootstrap方法,并与三种常用的方法—Welch近似t检验、Score检验和广义p值检验进行了比较。借助Monte Carlo方法研究了这些检验的第一类错误概率和势。研究表明,根据模拟的第一类错误概率和势的整体表现,参数bootstrap检验是最好的。参数bootstrap检验即使在小样本情形下表现也非常满意,而Welch近似t检验第一类错误概率受样本量和总体方差影响明显,Score检验和广义p值检验表现相对保守。

带有等相关误差结构生长曲线模型的参数bootstrap检验

文章研究了具有等相关误差结构的生长曲线模型回归系数的检验问题,构造了参数bootstrap(PB)检验统计量和相应的PB检验,并与已有的广义p值(GP)检验进行了比较。模拟研究表明,PB方法和GP方法在单处理组情形下的表现趋于一致,均能很好的控制第一类错误率;在多处理组情形下,GP方法在一些情形下不能很好地控制犯第一类错误的概率,而PB方法则在很好地保证检验名义水平的前提下,同时也具有良好的势表现。