容许风险与自动驾驶场景中的注意义务

仅以预见可能性和避免可能性认定注意义务的做法不能切合我国自动驾驶技术的发展阶段与方案选择。厘清容许风险与注意义务的关系是合理构建自动驾驶场景中的注意义务的前提。容许风险不是注意义务的“后端限制事由”,而是对法益风险的合理分配;主体间风险分配形成的风险管理范围型塑了注意义务的框架。自动驾驶场景中的风险分配应秉持社会分担原则、公平分配原则与有效分配原则,从横向的主体间维度与纵向的时间维度来界定研发者、制造商、销售商、使用者及其他交通参与者的注意义务。

不可估参数函数的可容许估计

对于线性模型ＥＹ＝ Ｘβ，ＣｏｖＹ＝ ∑ｍｉ＝ １σ２Ｖｉ。当Ｓβ不可估时，本文分别给出了Ｓβ的线性估计在二次损失和矩阵损失下线性可容许的充要条件。当Ｙ～Ｎ（Ｘβ，∑ｍｉ＝ １ σ２Ｖｉ） 时。

Gauss—Marcov模型中不可估参数的线性可容许估计

本文把Ｒａｏ（１９７６），Ｍａｔｈｅｗ，Ｒａｏ和Ｓｉｎｈａ（１９８４），Ｂａｋｓａｌａｒｙ（１９８５）吴启光（１９８６）等人关于Ｇａｕｓｓ－Ｍａｒｃｏｖ模型可估参数的线性可容许估计结果的推广到参数函数可以是不可估的情况。

示性函数在不可容许估计问题中的应用

应用示性函数的性质,对服从poisson分布的随机变量X,证明了如下期望等式:E{X.f(X-1)I{x 1}=E{XI{x 1}}.E(f(X)I{x 0}),并利用这一等式证明了在熵损失函数下poisson分布变异系数1λ的估计δ0=[nT+d]-21(d>1n)时是不可容许估计.

一些损失估计的不可容许性结果

在协方差阵为σ＾２Ｖ的正态线性模型下，本文对任给的正整数ｋ证明了基于σ＾ｋ的一致最小方差无偏估计和最优仿射同变估计的通常损失估计是不可容许的，此外σ〉０未知，Ｖ已知，本文还导出了一些关于Г函数的不等式，被用来证明前述结果。

再论不可估参数函数的可容许估计

对于线性模型Ｙ＝Ｘβ＋ε，ε～（０，σ２Ｖ）本文得到了如下两个问题的答案：１．当β满足约束β＇Ｘ＇ＮＸβ≤σ２时，和的充要条件；２．当β随机变化且β～（ｚα，σ２Ａ）时，的充要条件。当ε～Ｎ（０，σ２Ｖ）且β～Ｎ（Ｚα，σ２Ｖ）时．ＬＹ～Ｓβ＋Ｑα和ＬＹ＋ａ～Ｓβ＋Ｑα的充要条件。其中，Ｓβ（或Ｓβ＋Ｑα）是不可估的，损失函数取为二次损失和矩阵损失。

矩阵损失下不可估函数的线性估计的可容许性

一般线性模型可估函数的可容许估计问题已有详细的讨论。对一般线性模型在矩阵损失下。

刑法中的创新责任:在严格责任、过失与容许风险之间

技术的革新会引发法律的革新。当前,有四种能够解释刑法数字革新的方案,即重塑人的自我画像、作为法(律)媒介的技术、作为法(律)的技术以及“规范的现实领域”的变迁。数字化与技术创新也会对刑法责任的构造产生深刻影响。以人工智能系统为例,刑法中提出了四种创新责任的基本模式,即机器人刑法、严格责任、危险刑法与过失。对于人工智能所诱发的损害,刑法恰当的应对不在于将责任转嫁给机器,也不是引入不考虑过错的严格责任。相反,过失责任仍然是刑法创新责任的恰当基本模式。只有先理解技术的革新潜力,才能回答刑法应作出何种适当的回应。

被容许的风险的基础问题

被容许的风险的产生、发展与风险社会的关系密切,风险社会的到来成为被容许的风险的社会基础。风险刑法在一定程度上承担着风险分配的功能,被容许的风险促使其立法和适用更为谦抑。风险的外延比危险更为宽泛。危险犯中的危险系结果危险,被容许的风险中的风险大致包含行为危险与结果危险。剩余风险应为事实上活动、技术等领域无法掌控的固有风险,被容许的风险更侧重规范评价上的容许。被容许的风险在能否成为正当化事由的对象时,与正当化事由存在差别。被容许的风险的内涵可归结为经过利益权衡应当排除归责的行为。被容许的风险在刑法条文中没有相关表述,在存在范围上不包括日常生活的风险与没有制造风险的行为,具体判断需要借助相关规范,其适用后果仅排除刑事归责。

稳定分布理论下可容许均值–刻度参数的购电组合模型

以上网电价服从稳定分布为前提条件,研究供电公司在多个交易市场中的购电策略。首先,根据上网电价的特征属性,分析其概率分布;其次,构建协变化系数度量各上网电价之间的相关性,并从理论上证明其合理性;再次,推导出多个服从稳定分布的不独立随机变量的联合特征函数,并证明以购电组合的刻度参数作为风险度量因子的合理性,从而解决稳定分布理论在投资组合中运用的2个大难题;然后,为解决参数估计存在偏差的问题,提出可容许均值和可容许风险的概念,并构建基于稳定分布理论下供电公司的可容许均值–刻度参数购电组合模型。算例表明,美国PJM电力市场的上网电价数据服从稳定分布,采用所构建的模型能更好地反映它的风险特性,为供电公司提供更准确的购电决策。

协方差阵的二次型容许估计

该文研究协方差阵 Σ的二次型容许估计问题。设 y1,y2 ,… ,yn iid,n≥ 2 ,y1与 p维正态分布 N β,Σ有相同的前四阶矩。其中 β=β1,β2 ,… ,βp ′∈ RP与 Σ=σij p× p>0均未知。记y=△ (y1,y2 ,… ,yn)′。在损失函数 L(d,Σ) =tr(d- Σ) 2下给出 Σ的二次型估计在 D={ y′ Ay∶ A≥ 0 ,A∈ Rn× n}中容许的必要条件是 y′ Ay必须具有 a S2 + nb y-y-′的形式。并进而得出当 b=0时 a S2

协方差阵二次型容许估计的一个必要条件

研究协方差阵Σ的二次型容许估计问题。设 y1,y2 ,… ,yniid,n≥ 2 ,y1与 p维正态分布N (β,Σ )有相同的前四阶矩。其中β =(β1,β2 ,… ,βp)′∈ Rp与Σ =(σij) p× p >0均未知。记 y =△ (y1,y2 ,… ,yn)′。在二次损失 L (d ,Σ ) =tr(d -Σ) 2下给出Σ的二次型估计 a S2 + nby-y-′是容许估计的必要条件为 :(n - 1) a + b + 2 max(a,b)≤ 1。

协方差阵二次型估计可容许的充要条件

该文研究协方差阵Σ的二次型容许估计问题。设 y1,y2 ,… ,yn iid,n≥ 2 ,y1与 p维正态分布 N(β,Σ)有相同的前四阶矩。其中 β=(β1,β2 ,… ,βp)′∈Rp与 Σ=(σij) p× p>0均未知。记 y=Δ(y1,y2 ,… ,yn)′。在损失函数 L (d ,Σ) =tr(d -Σ) 2 下给出Σ的二次型估计在 D={ y′Ay:A≥ 0 ,A∈Rn×

推广的生长曲线模型中未知参数矩阵的广义最小二乘估计的可容许性(英文)

本文在设计矩阵与结构矩阵分别正交的条件下,研究了推广的生长曲线模型未知参数矩阵的广义最小二乘估计.运用矩阵理论证明了此广义最小二乘估计在某个线性估计类中的可容许性.并对潘建新(1989)的结果的推广.

二次损失下G-M模型中可估函数的条件Minimax可容许性

在二次损失下,该文关于任意矩阵V对G-M模型讨论了在齐次线性估计类中可估函数的条件Mimimax可容许性.

指数族中某些参数估计的容许性

对指数族中某些参数的估计的容许性进行了讨论，得到了重要结果。

二次损失下可估函数在非齐次估计类中的条件Minimax可容许性

在二次损失下,关于任意矩阵V讨论了一般Gauss-Markov模型在非齐次线性估计类中可估函数的条件Mimimax可容许性。得出带约束的一般Gauss-Markov模型的可估函数在非齐次估计类中Minimax可容许的充分必要条件。

几何分布均值的一种特殊形式线性估计可容许性

本文在矩阵损失函数 (Ax +c -λ) (Ax +c -λ)′下 ,利用矩阵及极限理论 ,讨论几何分布均值参数λ的一种特殊形式线性估计 ,并得到了它可容许的充要条件 .

均值矩阵的线性无偏估计在一切估计类中的可容许性

对于矩阵正态模型Ｙｎｘｍ～Ｎ其中０和Ｖ≥０已知，本文征明了，在６种不同的可容许性定义下，Ｓ１ＹＳ２在一切估计类中是Ｓ１Ｓ２的可容许估计．对模型Ｙ～Ｎ（Ｘ１Ｘ２Ｖ）也给出了一个初步结果．

限制空间中的参数在平方损失下的容许估计

对限制空间中的参数的容许估计进行了讨论,得到了限制空间中的一般分布族参数在平方损失下为容许估计的一个充分条件,这一条件使得成平、陈希孺、陈桂景等人在《参数估计》一书中的结果成为它的一种特殊情况,并由此推出了一系列结构。