定性资料概率分布的Bayes估计及共Jackknife调整

本文给出了定性资料概率分布的Ｂａｙｅｓ估计方法，证明了它比经典的估计更有效。为了减少偏倚，对其进行了Ｊａｃｋｋｎｉｆｅ调整，使其偏倚的阶数下降到ｏ１ｎ２．

全球资料同化中误差协方差三维结构的准确估计与应用Ⅱ:背景误差协方差调整与数值试验分析

利用NMC方法针对背景误差协方差的方差、三维相关与特征长度来揭示T213L31模式的误差主要特点,并与传统更新矢量方法的计算结果进行了对比与调整。结果表明NMC方法结果与更新矢量方法结果在大体特征上基本吻合,但细节上的差异不可忽视,特别是对背景误差方差与特征长度的估计存在显著的差异,其主要原因是NMC方法倾向于高估天气尺度波的背景误差,而低估次天气尺度到中尺度波的背景误差。通过对背景误差方差、特征长度的调整,显著改善了背景误差功率谱的分布特点,使得NMC方法结果与更新矢量方法结果更为吻合。通过三维变分同化与最优插值中观测与背景误差相对重要性的比较,发现两者结果基本一致,但三维变分同化在850 hPa以下的温度场和300 hPa以上的风场统计结果都表现出背景误差相对于观测误差偏小的特点。背景误差相对于观测误差偏小有助于保证分析场中质量场与风场平衡,消除了大气底层和高层质量场与风场不匹配现象。在数值试验中,针对不同的背景误差均方差与特征长度的特点,分析了分析增量和预报效果的差异,结果表明,准确的背景误差估计与优化工作改善了预报效果,使得北半球三维变分同化的120 h预报效果整体好于现有最优插值。

MCAR缺失机制下基于线性模型的方差估计问题

在MCAR缺失机制下,应用多元线性回归模型对目标变量y的期望yR进行方差估计.运用Jackknife方法产生一系列伪复制数据集,用最小二乘法得到回归系数β的无偏估计量β(j)和辅助变量X的均值x-(j).将-yR(j)=x′(j)β(j)代入方差公式,就得到了yR的一个方差估计量VJ.通过Monte Carlo模型及其结果分析,VJ被证明是一个好的方差估计量.

无偏估计量调整因子的求解

无偏性是衡量统计量优良性的常用标准之一。经济数学教材中,已经证明了正态分布的样本方差是总体方差的无偏估计量,但样本标准差并非是总体标准差的无偏估计量,本文利用P(x)函数和X^2(卡方)分布给出了其调整因子的详细求解过程.另外,对于总体为指数分布、均匀分布的情形,也给出了结果.并用克拉美—劳不等式给予进一步的讨论。

人口普查净误差率的估计

人口普查的基本目标是估计其净误差率。以美国为代表的诸多国家通常使用基于配对样本的双系统估计量估计实际人口数,并以它为标准估计人口普查的净误差率。瑞士则通过构造基于非配对样本的普查人口数与实际人口数的比率估计量的方法来估计净误差率。利用实际数据资料和有关公式,瑞士普查局估计了2000年人口普查的净误差率,普查遗漏率和普查错误计数率。实证结果表明,瑞士2000年人口普查计数质量较高。

缺失数据下Jackknife方差估计量的渐近设计无偏性

在实际的调查中经常会出现缺失数据．如何处理这种情况下总体目标量的估计是一个重要问题．Zou等(2002)对缺失数据情况下的样本轮换方法证明了他们所提出的线性化．Jackknife方差估计量在均匀回答下是估计量方差的近似的设计无偏估计．这一性质对于．Jackknife方差估计量的使用提供了重要依据．对于其它情况下．Jackknife方差估计量是否也具有这一性质无疑是一个有意义的问题．作者旨在研究文献中已提出的若干．Jackknife方差估计量的渐近设计无偏性．我们的结果表明Zou等(2002)所注意到的Jackknife方差估计量的渐近设计无偏性具有一定的普遍性。

裂区设计连续调查的条件影响及重抽样核实调整

条件的影响是有匹配样本的连续调查特有的计量误差来源.本文在变异计量误差模型之下,研究了未调整时条件影响对两期裂区设计连续调查中采用的组合差估计量的统计影响,同时提出了重抽样核实调整方法,得到了调整后的无偏估计量,计算了调整后估计量的方差.讨论了调整后估计量准确度比未调整估计量准确度高的条件.

用两统计量的线性组合进行估计

当两统计量的期望的某些信息和全部离差点为已知时,可以考虑用它们的线性组合进行数值估计。对于主要关注其中一个统计量的期望,而另一个的期望不必假定完全已知的情况,这一方法较之文献中早已熟知的其它方法应用更为广泛。

基于噪声谱结构特性的谱减法

提出了基于噪声谱结构特性的谱减法,在不增加语音失真的情况下,抑制传统谱减法的"音乐噪声"。首先,依据噪声谱结构特性在频带间自适应平滑周期图,减小谱估计方差的同时,避免噪声非连续谱的能量泄露;其次,依据噪声谱的结构特性,对增益函数进行自适应调整以更有效的抑制有调噪声。测试结果表明,不论对宽带噪声还是对窄带噪声,本文算法在信噪比提高和噪声抑制量等客观评价指标上都明显优于传统谱减法。非正式主观测听进一步验证了本文算法的有效性。

辅助变量不完全情形下的回归插补及其方差估计

针对抽样调查中经常出现的无回答数据,在均匀回答机制下,讨论了辅助变量不完全情形下的回归插补,给出了目标变量总体均值的插补估计与其Jackknife方差估计,同时给出了该情形下回归插补推广到多元辅助变量的方法.

GPS/INS组合导航中两步自适应滤波方法

GPS/INS组合导航实际应用中存在系统模型偏差、噪声模型不确定等问题,导致卡尔曼滤波器无法实现最优滤波效果,严重时甚至导致滤波发散。渐消卡尔曼滤波器和自适应卡尔曼滤波器通过引入单渐消因子和单自适应因子可以部分解决上述问题,但是不足在于单因子只能进行整体调整,不能精确调整各个通道。针对此问题,本论文提出一种2步自适应卡尔曼滤波算法,构造基于残差协方差估计的多重渐消因子和自适应因子对各个通道精确调整,克服动态环境下跟踪性差的局限性。实验结果表明,改进后的自适应卡尔曼滤波算法可以精确调整各通道,增强系统的定位精度、跟踪性能和鲁棒性。

在线的控制系统性能评价与监测方法的研究

控制系统性能评价与监测是工业过程控制中一个具有挑战性的任务,可以提高工业过程的性能.这篇论文提出了利用闭环操作数估计控制系统性能的好坏.结合目前控制系统性能评估的现状.提出的监测方法关心的是降低可调整回路的方差。估计现有的控制系统的输出方差.与最小方差控制相比较.来评价现有控制系统的性能.

Hot deck插补和插补后数据的方差模拟研究

在抽样调查中,经常会遇到调查问卷中没有回答或者是某些题目没有回答的情况,这就是缺失数据的问题。处理项目无回答的缺失数据,常用的方法是插补。根据Rao和J.Shao的结果采用普通的jackknife方差会低估插补后数据的方差。如果有严重的方差低估,那就会对统计量的区间估计造成很大的影响。本文采用Montecarlo模拟的方法对这一问题进行了实证的研究,并且给出了普通的jack-knife方差低估插补后数据方差的实际证据,同时支持了Rao和J.Shao提出的调整的jackknife方差。