混合Beta分布GARCH模型的EM算法求解与实证分析

GARCH模型在处理时序数据异方差问题中得到广泛应用,然而在面临一些特殊领域的数据,尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时,传统正态分布的基本假设往往与现实严重不一致。针对此类问题,文章提出混合Beta分布的GARCH模型,并给出了基于完全数据最大似然函数的EM算法估计模型的参数,以仿真模拟数据和金融市场现实数据为例,进行了实证分析。结果显示,在违背正态分布假设的情形下,混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息,同时也验证了EM算法对模型的参数求解行之有效。

混合Beta分布下高速列车轴承的可靠性寿命评估

由于高速列车轴承造价昂贵、精度和可靠性要求极高等问题,在进行可靠性寿命试验时,只能做极小样本、短时间内的定时截尾寿命试验。为有效的对其进行可靠性评估,采用不完全混合Beta分布作为轴承累积失效概率的先验分布,结合多层Bayes可靠性评估方法,求解出极小样本无失效情况下的高速列车轴承可靠性数学模型。通过计算,在给定的可靠性指标要求下,所得结论符合实际情况,且采用不完全混合Beta分布作为先验信息的评估方法较传统Bayes方法具有明显的合理性。

基于混合Beta分布的DC法勘探Bayes可靠性评估

根据贝叶斯估计原理,对DC法勘测结果进行研究,提出了基于混合Beta分布的DC法勘探Bayes可靠性评估。通过历史样本确定了混合Beta先验分布超参数及继承因子,进而利用后验分布探讨了DC法勘测结果的可靠性。

基于混合Beta分布的水中兵器可靠性鉴定试验方案研究

该文讨论了混合验前分布时水中兵器的鉴定方案问题。在可靠性鉴定试验中,Bayes方法可以大量节省试验次数,但是过度依赖验前信息,当新产品有改进时会造成鉴定结果的冒进,而且对于双方风险的判断往往出现分歧。该文通过引入继承因子,在验前信息中加入均匀分布,减弱了对验前信息的过度依赖,更合理的考虑了产品的变化对评定结果的影响。再次基础上该文重点分析了混合验前分布时的使用方和生产方风险,计算结果表明此方法可以在节约试验样本的条件下兼顾了评定方案的稳健性。

基于混合Beta分布的火箭弹射座椅可靠性评估

建立了一种综合利用子系统试验数据和现场整机试验数据的火箭弹射座椅Bayes可靠性评估方法。该方法通过卡方拟合优度检验确定继承因子,建立混合Beta分布后,基于后验分布评估座椅可靠性。采用该方法对某火箭弹射座椅可靠性进行了评估,在置信水平0.90情况下其可靠度达到了0.924。结果表明,在相同的现场试验情况下,评估结果比经典统计方法更合理。

基于混合Beta先验分布的成败型产品的可靠性评估

成败型产品可靠性的小样本评估方法,把历史试验数据作为Bayes估计方法的先验信息,有效地减少了样本量。但是传统的Bayes方法过度依赖验前信息,当新产品有改进时造成鉴定结果的冒进。针对过度依赖先验信息问题,本文提出了使用混合Beta先验分布,引入继承因子,通过调整继承因子的大小来控制对验前信息的依赖程度,考虑了成败型产品的变化对评估结果的影响。采用该方法对某导弹的可靠性进行了评估。

基于混合Beta分布的兵棋推演可信度评估方法研究

针对兵棋推演可信度量化评估难的问题,基于贝叶斯统计分析理论,通过在贝塔分布中引入继承因子,将历史实战数据、实兵对抗演习等数据作为先验信息与兵棋推演产生的小子样信息合理有效地融合,进行了兵棋推演结果可信度的评估方法研究。引入的混合贝塔先验分布方法有效避免了大量的先验信息淹没小样本现场信息的问题,同时兼顾考虑了不同样本间的差异性和继承性。算例结果表明该方法可行有效,实现了兵棋推演可信度的量化评估。

基于混合先验分布的弹射弹Bayes可靠性估计

建立了一种综合利用单元试验数据和系统试验数据的弹射弹B aye s可靠性评估方法。该方法通过建立基于继承因子的混合B e ta先验分布,结合弹射弹试验数据确定后验分布,最后通过后验分布推断弹射弹可靠性。采用该方法及G JB 376-1987方法和传统贝叶斯方法,对某型弹射弹可靠性进行了评估。结果表明,在置信水平0.90情况下,三种方法可靠度评估结果分别为0.9922,0.978,0.996。表明本文方法是有效的,在相同的现场试验情况下,评估结果比经典统计方法更合理。

基于混合验前分布的复杂装备测试性评估

合理有效地利用验前信息是小子样评估中的关键问题。针对复杂装备小子样测试性评估问题,考虑了不同验前信息的可信度和重要度,提出了一种混合Beta分布的复杂装备小子样测试性评估方法。算例表明,在小子样前提下,传统统计方法得到的测试性置信下限过于保守;现有的可信度度量方法大都直接基于数据层,没有考虑验前信息的来源。混合Beta分布的复杂装备小子样测试性评估方法不仅考虑了验前信息的可信度,还对验前信息的重要度进行了分析,评估结论更加合理,具有较好的工程应用价值。

基于Bayes混合先验分布的兵棋推演规则建模方法

针对兵棋推演胜负裁决规则建立难的问题,军事专家利用经验数据总结战争胜负规律,数学家、工程师利用军事运筹分析方法计算战争胜负规律,为了综合利用两种方法,利用Bayes混合先验分布将历史战争规律总结法与军事运筹分析法合理有效融合,对胜负裁决规则进行建模研究;通过在贝塔分布中引入继承因子,将兰彻斯特方程生成的军事运筹分析数据作为先验信息,与历史战争的经验规律数据作为后验信息进行结合。引入的混合贝塔先验分布方法,有效避免了两种方法互相淹没信息的问题;建立的胜负概率裁决模型,有效地提高了兵棋推演中胜负裁决概率的准确度及可信度,使其更加符合战争规律。

引信可靠性小样本评估方法研究

研究引信作用可靠性的小样本评估方法.把功能模拟试验信息作为Bayes可靠性评估的先验信息,有效地减少了样本量.针对先验信息的融合问题,采用等效折算和CMSR方法得到系统的等效成败型数据,分析其与靶试数据的联系和差异,推导出继承因子,避免了靶试数据被淹没情况的发生.通过实例,说明了该方法的合理性和可行性.

可靠性评估的一种Bayes方法

介绍了用混合Gamma分布和混合Beta分布作共轭验前分布时,如何由Bayes方法对电子产品的可靠性进行评估。其中继承因子的引入克服了传统Bayes方法只考虑产品的继承性、相似性,而忽略新产品的创新性、不确定性的缺点。同时,通过举例与常用的经典法作比较,看出了这种方法的优越性及合理性。

基于深度神经网络的音乐隐式样本去噪框架

在音乐推荐场景中,训练样本通常采集于用户的隐式行为,但隐式样本无法准确反映用户真实的偏好,并存在大量的噪声,尤其是在音乐场景中,用户后台播放音乐,其注意力已经发散到别处。由此收集到的播放正样本有可能包含了歌曲后台自动播放的情况,这些样本并不能反应用户真实意图。为了解决上述问题,本文提出了一种基于深度神经网络的音乐隐式样本去噪框架。基于该框架优化后的推荐模型在真实音乐推荐场景下取得了明显的指标提升。