基于不确定理论的非线性回归模型参数的极大似然估计方法的研究

利用不确定理论的极大似然估计方法,对非线性回归模型参数给出了估计方法,并进行了数据仿真。在数据仿真中发现,当响应变量数值较大时,误差较大。于是将这个非线性模型转换为线性模型方法做了改进。让误差项与预测值保持相加的形式,使误差范围可以得到减小,数据仿真发现此改进方法有效。

基于模糊集理论的知识表示法及其似然推理新算法PMLIFS-Ⅰ,PMLIFS-Ⅱ

该文探究了基于模糊集理论的知识表示法,提出了似然推理新算法PMLIFS-I.基于所提出的λ-合成这一新概念,提出了算法PMLIFS-I的改进算法PMLIFS-II.两算法具有较强的实用性和普遍意义.

基于模糊集理论的知识表示法及其似然推理新算法PMLIFS—Ⅰ和PMLIFS—Ⅱ

本文探究了基于模糊集理论的知识表示法,提出了似然推理新算法PMLIFS-Ⅰ。基于所提出的λ-合成这一新概念,提出了算法PMLIFS-Ⅰ的改进算法PMLIFS-Ⅱ。两算法具有较强的实用性和普遍意义。

适于层次逻辑和基于证据理论的似然推理算法PMLIS

本文提出了适于层次逻辑且基于证据理论的似然推理算法PMLIS,该算法尤其适于层次结构间的不精确推理.文中还研究了推理规则确定因子分解问题.

自适应广义线性回归拟似然估计渐近理论

研究自适应设计下的拟似然方程 ∑ni=1xi(yi- μ(x′iβ) ) =0 ,在一定的条件下证明了以概率 1此方程当n充分大时有解^βn,^βn 为β0 的强相合估计 ,且得出了 ^βn- β0的收敛速度 ;然后又在一定的条件下证明了 ^βn

基于问题导向的混合式教学创新设计——以最大似然估计为例

最大似然估计作为推断统计学的核心概念之一,充分利用总体的分布信息推断总体参数的重要方法,在数理统计的学习中具有承前启后的作用。本文给出最大似然估计以问题驱动的探索式学习模式,以案例的初阶认识,举一反三和高阶探索为载体,以理论与实践相结合为途径,达成知识、能力和价值塑造三层学习目标。

4C理论在保险营销中的极大似然估计

保险营销要向消费者传递保险的经济价值,本文立足于营销学4C理论,来定性地分析消费者的最优选择行为,运用泊松分布的概率密度极大似然估计,来定量地模拟保险需求者的选择行为,得出结论:样本总体消费者购买保险的概率大小主要取决于参数λ,λ也就是每一位消费者购买保险的平均概率。尽管保险公司是自负盈亏的金融企业,利润最大化不应以消费者和社会的福利损失为代价,保险营销目标是使得整个社会的资源配置达到帕累托最优状态。

四参数Logistic模型潜在特质参数的Warm加权极大似然估计

本文以四参数Logistic(4-parameter Logistic,4PL)模型为研究对象,根据Warm的加权极大似然估计技巧,提出了4PL模型潜在特质参数的加权极大似然估计方法,并借助模拟研究对加权极大似然估计的性质进行验证。研究结果表明,与通常的极大似然估计和后验期望估计相比,加权极大似然估计的偏差(bias)明显减小,并且具有良好的返真性能。此外,在测试的长度较短和项目的区分度较小的情况下,加权极大似然估计依然保持了良好的统计性质,表现出更加显著的优势。

基于互相关和最大似然估计的弱信号检测

弱信号检测一直以来是人们研究的热点,如何从强噪声环境下提取有用的信号非常关键。简单介绍互相关检测的原理及最大似然理论,并在此基础上,提出了将互相关检测与最大似然理论相结合检测弱信号的新方法。仿真结果表明,此方法是可行的。

延迟时间模型参数的极大似然估计

介绍了基于客观数据的延迟时间模型参数极大似然估计方法,提出了应用优化理论中的单纯形法求解似然函数的算法,为延迟时间模型的参数估计问题提供了可行的解决方法.通过计算机模拟数据的验证,此方法切实可行,结果可以满足需要.

结合经验贝叶斯的极大似然方法

极大似然方法和贝叶斯方法是两种截然不同的统计方法 ,各有优缺点 .由于统计思想的不兼容 ,一般不结合起来使用 .本文根据统计学习理论的思想提出一种将两者结合使用的新方法 ,可以综合两者的优点 。

不确定微分方程中时变参数的极大似然估计

对不确定微分方程中的时变参数进行估计.首先利用不确定极大似然估计的方法获得与观测值时刻对应的时变参数估计值,然后将这一系列时变参数估计值利用回归分析的方法进行线性或者非线性拟合,得到时变参数估计.其次为了验证时变参数估计值的合理性,给出了带有时变参数的不确定微分方程的α-轨道及其性质和可决系数R2,对时变参数是否合理进行了评判.最后给出一个新型冠状病毒传播模型的数值实例验证估计方法的有效性.

适用于二级与多级评分项目组成的混合测试的加权最大似然潜在特质估计(英文)

提出适用于二级与多级评分项目组成的混合测试的加权最大似然潜在特质估计.使用N-R算法获得WML估计,并给出相关方程的详细推导.为探讨WML的性能,进行了模拟研究,所得到的结果表明,WML的估计比最大似然估计(MLE)具有更好的性能.最后,基于一个实际例子对该方法进行了实证研究.

基于极大似然估计法的血样分组检测

群试理论在医学血液样本的病毒检验上被广泛运用,其中建立的矩阵已经发展到有纠错能力的析取矩阵.然而在构造析取矩阵时比较复杂,而且在检测混合血样时,存在阳性的血样当遇到有抑制剂的血样时,可能混合血样并不能如实的检测出阳性.考虑到这些问题,文章对群试理论进一步探索,把极大似然估计运用到群试理论中,并通过运算检测.

基于贝叶斯理论的水文干旱预测

以1960—2010年的潘家口水库流域的入库径流序列,计算得到12个时间尺度的水文干旱指数SRI序列。基于水文干旱指数SRI时间序列,分别采用传统的极大似然法和改进的贝叶斯方法构建时间序列模型ARMA,并对比基于极大似然法和贝叶斯方法构建的两种ARMA模型的模拟和预测精度。结果表明,基于贝叶斯方法构建的模型在模拟和预测期的模拟效果较优。随着预测期的延长,两种模型的模拟精度均呈现降低趋势。

一般Ⅱ型逐次截尾数据下Integrated beta分布参数的极大似然估计

在可靠性理论研究中,常常需要估计寿命分布的参数.本文讨论了在一般Ⅱ型逐次截尾样本下Integrated beta分布参数的极大似然估计.在Integrated beta分布模型下,利用牛顿-拟牛顿最大化方法得到了参数的极大似然估计,并通过数值模拟和一个实例评价了得到的极大似然估计.

广义Ⅱ型逐次截尾数据下逆高斯分布参数的极大似然估计

针对可靠性应用研究中常需要确定寿命分布参数的问题,讨论了在广义Ⅱ型逐次截尾样本下逆高斯分布位置参数和尺度参数的最大似然估计.通过参数变换得到了基于新参数的逆高斯分布模型,并利用牛顿迭代算法得到新参数的最大似然估计,进而求出原参数的极大似然估计.借助随机模拟方法和一个实例评价了最大似然估计.说明提出的极大似然估计理论具有应用价值.

信号检测论与贝叶斯决策理论的关系

信号检测论被广泛用于解释个体在不同类型认知任务中的决策过程。然而,经典信号检测论的重要不足之处在于难以进一步解释个体设置报告标准的过程对应怎样的内在心理机制。本文从贝叶斯决策理论的视角出发,深入探讨个体在信号检测任务中的决策规则。首先基于贝叶斯定理介绍贝叶斯决策理论的基本观点。随后探讨贝叶斯决策理论如何解释理想观察者的决策规则,以及在实际的信号检测任务中个体的决策结果与理想观察者之间的偏离。其次探讨经典信号检测论和贝叶斯决策理论在不等方差信号检测模型中的差异。最后简要介绍支持贝叶斯决策理论的实证研究证据。

联合RIS子块与接收天线的索引调制方案性能分析

利用大量无源反射器件设计的可重构智能表面(RIS),具有拓展无线通信覆盖范围、降低系统成本/功耗和提升未来通信系统性能的优势;而索引调制(IM),通过激活通信资源的子集可实现信息的隐性传输,有望为无线通信带来更高的频谱效率和能量效率,因此,为进一步提升未来无线通信系统的性能,该论文融合RIS与IM技术,提出一种联合RIS子块与接收天线的IM方案。在该方案中,按照相邻原则,将RIS反射元件分割为若干子块,进而利用RIS子块索引与接收天线索引同时实现附加信息传递,即对待传输比特序列,将其分割为三部分,其中第一部比特被调制为星座符号,第二部分用于指示RIS子块划分,第三部分用于指示接收天线索引;在此基础上,根据最大似然(ML)检测的成对错误概率(PEP)解析形式,分四种情况,从理论上推导出对应的矩母函数(MGF),得到无条件PEP的解析表达式,最后得到该方案ML检测的平均误码率(ABER)性能上界。仿真结果表明,与现有RIS辅助的IM方案相比,无须增加额外频谱资源,所提方案的系统可达速率和系统差错性能方面均具有一定优势;同时,验证了ML检测的ABER上界具备严格一致性。

基于心理账户理论的交通出行选择行为

为克服前景理论无法描述涉及多维属性决策问题的不足,放宽出行者完全理性的理论假设,以心理账户理论为理论基础,将个体的预算作为约束条件,构建交通选择行为模型,利用改进遗传算法求解模型未知参数.以成都-重庆通道为例,通过分析模型拟合优度、极大似然函数值以及匹配率,对比新模型与传统Multinominal Logit(MNL)模型的标定结果精度.实证表明,与传统MNL模型相比,新模型的极大似然函数值更接近零,拟合优度值为0.15,提高了0.03,匹配率为70.5%,提高了1.6%.实证结果说明新模型具有更好的拟合效果,能更加准确地预测出行者选择行为.