重尾分布的带干扰广义Lundberg-Cramér模型的破产概率

考虑一类带干扰的广义Lundberg-Cramér模型。当索赔额的分布属于重尾分布时,得到了破产概率的尾等价关系式及其局部等价公式,从而推广了带干扰Lundberg-Cramér风险模型的相关结论。

广义相加模型在R软件中的实现

目的通过R软件实现广义相加模型。方法通过空间污染流行病学的一个实例研究介绍利用R软件mgcv包实现广义相关模型的具体步骤和评价方法。结果广义相加模型可在R软件中方便实现。结论 R软件作为一款自由、免费、开源的统计分析软件,可灵活方便地构建广义相加模型,在实际研究中值得推广。

广义变系数模型的B样条估计及R软件实现

结合基函数逼近技术以及拟似然方法,对广义变系数模型,提出了一个B样条估计方法,并结合R统计软件,对所提出的估计方法给出了一个基于R软件的实现过程。数据模拟表明所提出的B样条估计方法以及R软件的实现过程均是可行的。

基于K-means聚类和广义熵约束的CVaR投资组合模型

构造带有广义熵约束的CVa R投资组合线性规划模型,采用K-means聚类法产生投资组合中各个资产收益率的情景及概率,并把它们代入模型中,得出投资组合的最优投资权数.通过选取深市的8只股票作为投资组合进行实证分析,并与MV模型对比,发现本模型不仅更能体现分散化投资的原则,且收益表现更好,具有较强的实用性.

广义线性模型在Python中的实现

目的探索广义线性模型(generalized linear model,GLM)在Python软件中的实现方法,并比较其与其他常用统计软件在算法过程和结果方面的异同。方法分别利用Python软件statsmodles库中的GLM函数、Logit和Poisson函数,R软件GLM函数,SAS的PROC GENMOD过程步,对二项分布和泊松分布的数据集进行分析,比较三种软件的算法过程和分析结果。结果三种软件构建GLM的逻辑相似,但在代码实现和模型拟合方法等方面稍有区别,各软件的结果基本相同。结论Python软件可采用不同的算法构建广义线性模型,并且能提供与其他主流统计软件相同的统计分析结论。

一个基于广义塑性力学的土体三屈服面模型

按照广义塑性力学原理 ,以前人试验结果为依据 ,首次提出应力洛德角方向上剪切屈服面γpθ 的数学表达式 ,并建立土体的三屈服面模型。结合数值算例 ,设计多种计算方案 ,通过对计算结果的分析和比较 ,表明模型的合理性和有效性 。

基于R软件的logistic回归模型建模

Logistic回归模型是研究因变量为二分类观察结果与影响因素(自变量)之间关系的重要多变量分析方法模型,但它的计算依赖于统计软件。通过具体实例对自由优秀R软件在处理分析Logistic回归模型作出简要分析。

R-Q模型宏块级精准度分析

R-Q模型对于率失真优化、码率分配、量化参数的选择产生重要影响,而宏块级码率分配、量化参数的选择有利于提高实时视频编码效率。简要介绍4种R-Q模型推导过程,详细比较、分析4种模型宏块级精准度,并对复杂度进行说明。实验证明:基于广义高斯分布的R-Q模型精准度最高,但其运算过于复杂,应用于编码比特数预测;而其他3种模型虽然精准度虽不高,但运算简单,应用于码率控制算法。为提出码率预测模型、改进码率控制算法及针对不同应用选择合适的码率控制算法提供了基础性分析。

基于广义相加模型分析可吸入颗粒物对人群呼吸系统的短期健康效应

目的了解宿迁市PM_(2.5)、PM_(10)对人群呼吸系统的短期健康效应。方法收集宿迁市2016年空气污染数据、气象数据、医院呼吸系统疾病门诊量和居民因呼吸系统疾病死亡数据,利用R软件建立泊松分布广义相加模型,分析PM_(2.5)、PM_(10)对呼吸系统疾病每日门诊量和人群因呼吸系统疾病每日死亡数的短期影响。结果 2016年宿迁市PM_(10)浓度对呼吸系统疾病日门诊量有影响,PM_(10)浓度与滞后1天的呼吸系统疾病门诊量呈正相关,PM_(10)每上升10μg/m^3,医院呼吸系统疾病门诊量增加0.26%(95%CI:0.01%~0.51%);PM_(2.5)浓度对日门诊量,PM_(2.5)、PM_(10)浓度对人群呼吸系统疾病死亡数影响均无统计学意义(P值均>0.05)。结论 2016年宿迁市PM_(10)浓度可能导致了人群呼吸系统疾病患病增加,PM_(2.5)浓度对人群呼吸系统疾病患病增加尚无明显效应。

基于极值理论下ARMA-GARCH模型的实证研究

对2012年1月1日至2016年10月30日的上证综合指数日收益率进行平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,可以建立ARMA-GARCH模型。ARMA-GARCH模型的残差项单独提取,分别建立正态分布和广义的Pareto分布模型,对标准残差进行拟合,并用滚动估计法估计置信水平为95%的VaR值。研究发现:ARMA-GARCH模型可以更好的说明日收益率的波动集聚性,而波动的厚尾性,即残差项用广义的Pareto分布可以更好的拟合,得到95%的置信水平下的VaR值的风险更小。为金融市场的研究提供借鉴。

基于GTP修正的R3DGM建模与可视化方法

将广义三棱柱(GTP)的辅助几何要素———对角线———修正为四面体,解决了R3DGM(真三维地学模型)中数据组织与几何要素的不一致和空间操作中的几何裂缝问题.修正后的GTP模型集成了TIN,GTP和四面体模型的优点,构建算法简单且空间操作无缝.R3DGM过程分3步进行:①根据钻孔孔口数据点与断层露头约束,按约束Delaunay法则生成地表不规则三角网(CD-TIN);②按地学推理规则,将CD-TIN中三角形沿钻孔迹线向下扩展生成GTP;③根据最小顶点标识法,将GTP模型转换成四面体.介绍了基于GTP修正构建的三维数字地质模型的任意平面剖切、虚拟开挖、空间查询等可视化方法.并结合北京CBD地下三维集成建模与空间操作,展示了模型构模及空间操作效果.

数据统计中边际回归模型的探讨

纵向数据在统计学、经济学等领域存在着广泛应用,边际模型是纵向数据分析中的一个重要模型,是总体的平均模型,对总体均值进行建模。本文对边际模型相关原理进行阐述,并对其经典广义估计方程估计方法进行讨论。同时针对人事管理中人力资源需求预测的多元线性模型为例,总结SAS和R语言两种软件包含的几种算法实现对边际模型的拟合,为相关研究者提供参考。

基于广义可加模型的昆虫种群动态非线性分析及R语言实现

昆虫种群受到气候、天敌和土壤等多种生态因子的综合作用,其动态具有复杂性、不确定性和非线性等特征。广义加性模型(generalized additive models,GAM)就是适用于响应变量与解释变量之间的关系是非线性或非单调的数据分析。本文以1973—1990年稻纵卷叶螟种群数量与降雨持续天数和降雨量的相关性分析为例,介绍了广义可加模型的应用及其R语言实现步骤,为研究昆虫种群动态及其驱动因子提供了有效的分析工具。

广义线性模型在时间序列研究中的应用及R语言实现

在环境与健康研究领域,经常需要用时间序列方法分析环境暴露水平与人群健康结局之间的关系。R语言作为一种开源免费的软件,具有强大的数据处理、统计和图形绘制功能等诸多优点。本文以公开的美国纽约市1987—2000年大气污染物与死亡数据为例,就广义线性模型在时间序列分析中的应用与R语言实现进行介绍。

基于广义改进分解策略的多目标代理优化方法

为解决多目标代理优化方法中代理模型选择单一问题,提出基于广义改进函数分解策略的多目标代理优化方法.该方法充分利用模型预测信息构建广义改进多目标分解准则和广义改进R2指标准则,有效拓展多目标代理优化中代理模型的选择空间.所提两种准则通过随机均匀权重实现全局探索和局部搜索能力的自适应平衡.研究结果表明,所提方法在有限仿真条件下拥有良好的寻优性能,获得Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.相比同类方法,该方法具有优势:(1)不需要模型预测不确定性信息,适用于基于不同种类代理模型的代理优化方法;(2)实现简单且计算复杂度低,能够有效提升昂贵黑箱问题优化效率.

glmm.hp:一个计算广义线性混合模型中单个预测变量效应的R包

广义线性混合效应模型(GLMMs)是当代生态学研究中广泛应用的数据分析模型。然而,确定GLMMs中共线性的预测变量(固定效应)对响应变量的相对重要性是个挑战。基于适用于多元分析的‘平均共享方差’的算法,我们开发一个新的R包glmm.hp来分解GLMMs中由固定效应解释的边际(marginal)R2^(2)。我们论述了该软件包的工作原理并通过模拟数据集演示了该软件包的使用。glmm.hp包的输出结果为每个预测变量将获得一个独自的(individual)边际R2^(2),且它们的总和刚好等于模型总的边际R2^(2)。总之,我们相信glmm.hp包将有助于解释GLMMs的输出结果。

glmm.hp包对零膨胀广义线性混合模型与多元回归的扩展

glmm.hp是一个专为评估广义线性混合模型(GLMMs)中共线预测变量的相对重要性而开发的R包。自从其于2022年1月发布以来,已迅速在生态学界获得认可和流行。然而,先前的glmm.hp包仅限于处理仅来源于lme4和nlme包的GLMMs。最新的glmm.hp包增加了新功能。首先,它整合了从glmmTMB包获得的结果,使其能够有效地处理零膨胀广义线性混合模型。此外,最新的glmm.hp包添加了基于原始R2和校正R2的普通多元回归的共性分析和层次分割的功能。本文将展示这些新功能,更方便广大的研究人员使用。

基于ARIMA模型对我国广义货币供应量的分析

货币自诞生以来就吸引着人们的目光,经过历代更迭,现代意义上的货币已经具有强大的派生能力。广义货币供给量(M_2)是关于货币重要的衡量指标之一,也是国家制定相关政策时不可缺少的参考数据。本文综合运用金融时间序列分析的相关知识,截取2000年1月至2019年10月我国广义货币供应量(M_2)的月度数据,应用R软件分析并调整序列使其平稳后构建以ARIMA为基础的相关序列模型,经过残差检验、样本内和样本外比较选择拟合度最高的SARIMA(2,1,1)×(0,1,1)模型对我国广义货币供给量进行有效预测和研究。

广义线性模型在非寿险费率分析中的应用

本文首先简单分析了传统定价方法的局限性,然后介绍了广义线性模型的基本理论。作为应用,在本文中应用R软件,详细分析了一家欧洲保险公司1994-1998年的车险索赔数据,估计得到了费率结构,它与实际费率结构差异较大,说明原来的费率结构可能需要更新。

基于广义稳定人口模型的中国生育率估计

文章利用入口普查年龄分布数据和基于广义稳定人口模型的两种生育率估计方法，即整合法和变量r法，对中国1982年以来各普查间的生育水平进行估计。利用整合法估计的是出生率，通过出生率换算为出生人数，进而估计生育率。利用变量r法估计的是净再生产率，通过净再生产率转换为对生育率的估计。整合法对1982～1990年和2000～2010年普查间平均出生率和出生人数的估计，与国家统计局公布的数据具有较高的一致性；而对1990～2000年普查间的估计则要明显低于国家统计局的公布值。由此估计的1982～1990年、1990～2000年和2000～2010年各普查间的平均总和生育率依次为2．63、1．68和1．56。利用变量r法对各普查间的平均总和生育率的估计分别为2．60、1．61和1．68。因而，2000～2010年中国平均生育率的估计应该在1．6左右。