正态总体决策曲线参数估计方法及其应用

为了给需要平衡收益与风险的决策者提供一种简单有效的风险模型评估方法,提出了一种基于极大似然估计的正态总体决策曲线参数估计方法,并从理论研究、仿真分析和实际应用等三方面研究其特性。首先,从统计理论上对该方法的特性进行了研究,结果表明该方法不仅具有简单易于实践的数学表达式,而且具有相合渐近正态性等良好的统计性质;然后,对该方法在实际应用中的性能进行了仿真,并与现有的非参数估计方法比较,发现该方法在正态总体下具有更高的准确性和可操作性;最后通过实例说明,应用此方法能够有效筛选出乳腺癌的高鉴别性能生物标志物。该研究结果可为决策者评估临床模型和筛选高鉴别性能生物标志物提供参考。

基于正余弦的非线性哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)收敛精度低、易陷入局部最优等问题,提出了一种基于正余弦的非线性哈里斯鹰优化算法(SCNHHO)。首先,采用佳点集策略对种群进行初始化,使种群分布更均匀,提高算法收敛速度和精度;其次,在探索阶段引入正余弦策略,利用正余弦函数的震荡特性扩大搜索范围,寻求更多潜在的优质解;最后,在开发阶段引入非线性参数来平衡探索与开发,避免算法陷入局部最优。针对不同维度的基准测试函数进行性能测试,结合Wilcoxon秩和检验与Friedman检验的结果,将该算法与其他5个对比算法进行分析。结果表明,改进算法性能较原始HHO算法有较大提升,并且优于斑马优化算法(ZOA)、鲸鱼优化算法(WOA)和2种哈里斯鹰算法的变体(MHHO和IHHO),验证了改进策略的有效性。最后通过三杆桁架设计问题进一步验证了SCNHHO的实用性。

关于半参数函数关系模型的渐近正态性

本文研究固定设计的半参数函数关系模型.利用权函数和广义最小二乘法得出未知参数和未知函数的估计,在一定的条件下证明了估计是强相合的,并且渐近地服从正态分布.

非正态响应稳健参数设计的贝叶斯建模与优化

针对非正态响应的稳健参数设计问题,提出一种考虑噪声因子的贝叶斯建模与参数优化方法。首先,考虑经验贝叶斯先验信息,利用贝叶斯广义线性模型构建设计因子与输出响应之间的函数关系;其次,假设噪声因子服从已知的分布,在此基础上利用贝叶斯抽样技术获得考虑噪声因子波动的输出响应模拟抽样值;然后,在给定产品规格的基础上,利用输出响应的抽样值构建符合性后验概率函数,并利用遗传算法对所构建的符合性后验概率函数进行优化,获得对噪声因子波动具有稳健性的参数设计值;最后,结合实际的案例验证了所提方法的有效性。研究结果表明,所提方法有效地刻画了噪声因子的波动对产品或过程质量的影响,从而获得了更为稳健可靠的参数设计值。

一种非正交复小波核函数及其非线性参数辨识应用

指出了非线性动态信号参数辨识的重要性;分析了目前采用的方法的不足;对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明;用复Morlet小波构建出一种核函数,与主分量分析方法相结合,对非线性动态信号进行参数辨识和预测;仿真结果验证了该方法的正确性和有效性,表明该方法具有较好的理论价值和实用价值。

正态总体中线性可预测变量的Minimax预测

在二次损失下研究了任意秩有限总体中线性可预测变量Ay的线性预测在一切预测类中的Minimax性.对于一般随机效应线性模型y=Xβ+ε,βε～NBα0,σ2UWW′V,这里X,B,U,V和W是已知矩阵,α∈Rk和σ2>0是未知参数,文中得到了Ay的惟一Minimax预测.

对数正态总体的参数检

应用似然比检验理论 ,研究了对数正态总体中未知参数 σ2的假设检验问题 .

正态线性模型中可估函数的Minimax估计

对于正态线性模型Ｙ～Ｎ（Ｘβ，б2Ｖ），在二次损失Ｌ（б，ＤＸβ）＝下，本文利用可容许性理论，证明了可估函数ＤＸβ的一个线性估计在一切估计类中是ＤＸβ的唯一Ｍｉｎｉｍａｘ估计。

截尾样本下非参数回归函数改良分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|<∞。文章在简洁的条件下,利用截尾数据的性质和鞅的有关理论,证明了非参数回归函数改良分割估计的渐近正态性。

正态总体参数的最优置信域

本文讨论了正态总体未知参数的最优置信域并推广到正态线性模型的情形。

两正态总体参数假设检验的Excel实现

利用Excel的数据分析工具,给出了两个正态总体参数检验的方法。该方法简单易操作,并且在检验两个总体的均值时,可以对两个总体方差不等的模型进行检验。

收入分布曲线的线性正态插值函数拟合方法

用样本数据的分组均值与总体方差为参数的正态函数作为插值基函数,构造出线性正态插值函数曲线以拟合中国城乡居民收入的概率分布函数曲线,并论证了这样构造的线性正态插值函数存在且唯一,此插值函数任意阶可微.利用拟合的正态插值函数曲线计算出拟合的函数面积估计值并与相应的样本数据直方图面积做比较,进而得出正态插值函数拟合曲线面积与样本数据直方图的面积误差比率.

一般正态线性模型中可估函数的线性Minimax估计

对于一般正态线性模型 Y～ N (Xβ,σ2 V) ,这里 X和 V≥ 0是已知矩阵 ,β∈ Rp 和σ2 >0是未知参数 ,在二次损失下我们研究了可估函数 DXβ的线性估计在一切估计类中的 Minimax性 ,得到了 DXβ的唯一线性 Minimax估计 (有关唯一性在几乎处处意义下理解 )

对数正态总体参数的信仰区间估计

用信仰推断法给出了对数正态总体位置参数和尺度参数的信仰区间估计,并与由枢轴量法得到的置信区间估计进行了比较,得出一致的结果。

关于正态随机变量的线性函数的分布

关于正态随机向量有结论:一个n维正态随机向量（ξ1,ξ2,…,ξn）的线性函数a1ξ1+a2ξ2+…+anξn是一维正态随机变量,其中ai,i=1,2,…,n是不全为0的实数。n个相互独立正态随机变量是n维联合正态的,故n个独立正态随机变量之线性函数是一维正态的。

截尾样本下非参数回归函数基于分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|<∞,回归函数m(x)=E(Y|X=x)。文章在简洁合理的条件下,利用截尾数据的一些性质和鞅的有关理论,证明了截尾样本下非参数回归函数基于分割估计的渐近正态性。

非线性随机解释变量模型参数NLLS估计的渐近正态性

本文在文 [1 ]、[2 ]的基础上 ,给出非线性随机解释变量经济计量模型参数 NLLS估计的近似表达式和具有渐近正态性的条件 .

-混合误差下非参数回归权函数估计的渐近正态性

本文在一定条件下讨论了－混合误差下非参数回归权函数估计的渐近正态性，并且减弱了文献［３］的条件，证明方法大大简化了。

正线性算子对无穷区间上有界变差函数的点态逼近度

用ＢＶ［０，∞）表示在［０，∞）的每一有限子区间上为有界变差函数的函数构成的空间。用表示ＢＶ［０，∞）上的正线性算子，其中ｄｔＫｎ（ｘ，ｔ）是非负测度且，则有定理如果Ｌｎ（｜ｔ－ｘ｜β，ｘ）≤Ｃ（ｘ）／ｎｖ，，这里β＞０，ｖ≥１，Ｃ（ｘ）是一个与ｘ有关的常数，对ｆ∈ＢＶ［０，∞）和ｘ∈（０，∞）有这里作为应用，给出算子的逼近估计．

正态线性模型中可估函数的极小极大估计(英文)

论述正态线形模型NL(Xβ,δ~2V),其中V为已知k×n正定矩阵,σ~2>0为未知参数,在二次损失|σ~2+β~TX^TV^1Xβ|~1||δ SXβ||下,根据可容许性理论,证明了SXβ的线性估计是其一切估计类中的唯一极小极大估计。