基于混合Gamma-Poisson分布模型的参数估计与异质性研究

针对连续离散型混合分布的参数估计方法较少,且大多存在高维矩阵求逆或估计效率较低等问题,本文考虑将最小最大化(MM)算法以及组装分解技术应用在Gamma-Poisson混合分布的参数估计中,目的是将高维目标函数分离组装成一系列的低维函数的线性组合,有效地避开高维矩阵求逆的困难。模拟研究表明:MM算法及其组装分解在Gamma-Poisson混合分布模型参数估计中具有较强的准确性和稳定性。将Gamma-Poisson混合分布模型应用到比利时离婚期限数据中,发现Gamma-Poisson混合分布模型对这一组异质性的连续离散型数据具有较好的拟合效果。

基于Gamma混合模型的出租车落客行为

为了更好地理解枢纽送站坪出租车落客行为,提高落客区域通行效率,提出基于Gamma混合模型的出租车落客决策模型.应用精确的出租车轨迹数据,将出租车停车时间分解为主动停车时间、被迫停车时间和落客时间,基于被迫停车时间分析构建等待耐性混合分布模型,模型验证结果与真实数据相吻合.在此基础上,以潜在乘客耐心分布、停车位置、期望停车位和行程时间为落客决策模型的核心指标,提取相关因子为解释变量,以是否落客为被解释变量,构建二元面板Logit模型,并对模型进行检验.结果表明,乘客耐心对车辆落客起着决定性的作用,落客决策模型预测准确率超过81%,表明该模型能够较好地预测出租车落客行为,为研究缓堵策略提供基础.

基于DP算法的Poisson回归模型的变量选择

利用已有的DP算法,对Poisson回归模型的似然函数进行优化估计出模型的参数,分别写出Lasso、Adaptive Lasso、SCAD、MCP 4种惩罚似然函数,用DP算法进行求解,实现变量选择.为了实现算法的自动变量选择,在对惩罚参数的选择上,使用了AIC、BIC信息准则.为了验证DP算法的可行性,通过随机模拟的方式生成数据进行求解.在各项指标下,将DP算法与已有的相关算法进行对比.

稀疏过程在常利率环境下的广义Poisson风险模型中的应用

风险理论是连接数学与金融问题的一座桥梁,它是保险精算学(即实际寿险精算)的重要组成部分,是保险精算人员对保险业务进行风险管理的重要理论工具,同时也是保险公司发展业务进行有效营运的理论保证。破产概率是风险理论研究的核心问题,而利息是影响破产概率的重要因素。本文讨论了常利率环境下离散时间风险模型的破产概率,给出了模型的破产概率的上界。首先构造了风险模型,通过鞅方法得到模型的破产概率满足的Lundberg不等式和相关公式;然后给出了离散时间情形下的双险种风险模型,得到了与破产相关的一些变量的表达式和性质。

广义混合Poisson线性模型的贝叶斯推断

该文在贝叶斯框架下研究广义混合Poisson线性模型的变量估计和变量选择问题.首先结合广义Poisson线性模型和GMM模型,构造混合广义Poisson线性模型,并给出似然函数,然后构造未知参数的先验,给出后验似然函数,随后通过后验似然与先验的乘积得到未知参数的满条件分布,用Gibbs算法和M-H抽样算法抽取未知参数得到参数的估计值,并运用二元潜变量标记活跃变量,假设未知先验,给出后验似然,通过Gibbs算法和M-H抽样算法挑选出回归系数,最后进行数值模拟验证贝叶斯估计的有效性和变量选择的准确性.

具有随机组容量的Poisson-gamma模型离差参数齐性检验

针对目前离差参数齐性检验都假定组容量固定的情形,提出了在组容量随机情况下离差参数齐性的检验问题。通过采用方差参数化方法研究纵向数据中Poisson-gamma模型的离差参数齐性检验问题,给出了组容量的随机性和离差参数齐性的联合检验方法,得到了score检验统计量。通过数值算例的实证分析检验了该方法的有效性。

Poisson截断δ冲击模型失效参数的Bayes估计

针对Poisson截断δ冲击模型失效参数的估计问题,利用Bayes估计方法,在最小均方误差原则下,基于寿命终止时总冲击次数及冲击到达时间这两类样本数据,在不同的先验假设下,给出Poisson截断δ冲击模型失效参数δ的Bayes估计量.

基于数据删除的Poisson-Gamma模型的影响评价

为了研究记数数据对于Poisson-Gamma模型的影响,该文通过引入EM算法,利用基于完全数据似然函数的条件期望进行影响诊断分析,并且进一步基于数据删除模型研究全局影响,得到了数据删除模型中参数估计的一步近似和相应的广义Cook距离和Q-距离。最后,利用所得统计量获得一个实际记数数据中的影响点,结果说明该文提出的方法是有效的。

台阶单孔爆破振动预测模型研究

爆破振动具有随机性,振动波的强度和频率具有非平稳性,为了构建能够真实反映爆破振动波形特性的台阶单孔爆破振动预测模型,通过调制白噪声的过程确定模型的频率函数,用角频率的时变性来描述振动波形频率的非平稳性;通过对强度包络函数的筛选,选取Gamma函数来描述爆破振动波形强度的非平稳性;用高通滤波处理提高了预测模型在低频段的模拟精度.以预测模型与现场实测波形的时程频率一致为约束条件,阻尼比与不规则指数呈线性关系,确定模型的频率参数(η,ξ,γ),以现场实测波形累计能量为约束条件,确定模型的强度参数(I0,α,β),模型输出波形的峰值振速、主频分别与现场实测波形特征的较好吻合,证明了所构建预测模型的正确性和有效性.

基于纵向数据的Poisson-Gamma模型系数的随机性检验

应用随机系数化方法对纵向数据的Poisson-Gamma回归模型进行了研究,采用Laplace展开方法得到了关于响应变量的近似似然函数并得到模型系数的随机性检验的Score统计量.通过Monte Carlo模拟分析了检验的渐近功效.最后把得到的检验统计量应用到具体的数值实例分析中说明其有效性.

基于Gamma与Markov的沥青路面性能预测模型对比分析

路面使用性能预测作为路面管理系统中的重要组成部分,是进行沥青路面养护管理决策的重要依据和前提条件。该文引入Gamma和Markov两种随机过程的相关理论,分别构建沥青路面使用性能预测模型,对与路面退化性质相关的不确定性进行阐述。结果表明:随机过程模型在预测路面性能退化和路面寿命方面具有一定的作用。然后通过Matlab软件编程对沥青路面使用性能和寿命进行预测,获得了沥青路面状态退化曲线,大大提高了预测的精度和有效性。最终以河北省某试验路段为例,通过对Gamma与Markov过程预测模型的对比分析,证明了基于Gamma过程的沥青路面性能预测模型的实用性和优越性,为未来的沥青路面使用性能预测提供了新的思路。

基于地理加权回归模型的凉水自然保护区红松空间分布分析

依据凉水国家级自然保护区的671块随机样地的标准地调查数据及landsat9遥感影像,分别建立以最小二乘为基础的泊松回归(Poisson)模型、逻辑斯蒂回归(Logistic)模型和高斯回归(Gaussian)模型3种全局模型,以及以地理加权回归模型(GWR)为基础的地理加权泊松(GWPR)模型、地理加权逻辑斯蒂(GWLR)模型和地理加权高斯(GWGR)模型3种局部模型来预测凉水国家级自然保护区的天然红松分布情况。结果显示,对该地区天然红松分布影响最为显著的因子为坡度和海拔;通过对比全局模型和GWR模型的残差空间相关性发现,GWR模型能够产生更为理想的模型残差,模型残差的空间相关性明显小于全局模型,因此,可以使用GWR模型来解决样地间存在的空间异质性问题,有利于提高红松分布的预测精度;全局模型和GWR模型均有不错的拟合效果,但GWR模型的各个评价指标要优于全局模型,拟合结果更好;天然红松在凉水国家级自然保护区的北部分布最多,在中间条状带区域分布最少。研究结果可为大区域森林经营中的天然红松分布估测提供理论依据。

山西省运城市居民年住院次数影响因素分析——基于零膨胀及其相关回归模型

[目的]通过拟合居民年住院次数的最优模型,筛选出影响山西省运城市居民年住院次数的主要影响因素。[方法]分别构建负二项回归、Poisson回归、零膨胀负二项回归和零膨胀Poisson回归4种模型,经比较得出最优模型,并据此开展居民年住院次数的影响因素分析。[结果]近一年内0次住院共计4870例(88.18%)。模型分析显示:性别、年龄、文化程度、居住区域、患有慢性病者、家庭年人均收入及常住人口数是居民年住院次数的影响因素(P<0.05);年龄、职业、家庭常住人口数、患有慢性病情况、吸烟、居住区域及健康知识获取途径是居民住院次数出现零膨胀现象的影响因素(P<0.05)。[结论]山西省运城市居民的年住院次数零膨胀负二项回归模型拟合效果最优。家庭年人均收入处于中等水平、患有慢性病人群就医行为较多;年龄偏大、家庭常住人口数为4~6人、城区居住、患有慢性病及经常吸烟的人群的住院潜在需求更大。

太原市空气污染对心脑血管疾病死亡率急性影响的Poisson广义可加模型分析

目的定量化研究太原市大气污染对居民心脑血管疾病日死亡率的急性影响。方法通过死因监测系统收集2004年太原市心脑血管疾病死亡病例资料,从太原市气象局获得气象资料,大气污染资料来源于太原市环境监测站。采用Poisson广义可加模型进行太原市大气污染与居民心脑血管疾病日死亡率的回归分析,同时控制气象因素、时间趋势、周日效应混杂因素的影响。以Bootstrap抽样法对数学模型的共曲线性进行校正并估计误差。结果2004年太原市空气中PM10、SO2、NO2、CO的日均浓度分别为173.55、79.34、23.03、2214.59μg/m3;太原市心脑血管疾病日死亡率为7例/日。Pearson相关分析结果表明,SO2、CO、PM10浓度与温度的相关性的顺位为SO2(r=-0.7016,P<0.01)>CO(P=-0.4383,P<0.01)>PM10(r=-0.2162,P<0.01)。滞后效应和累积效应GAM时序分析结果均显示,SO2和NO2同时引入,PM10和CO的健康效应达到最大值;而SO2和NO2在模型中未呈现统计学意义。Bootstrap校正共曲线性误差后,全污染物累积效应模型中,PM10的RR为1.216(95%CI:1.057～1.399),CO的RR为1.156(95%CI:1.061～1.263)。结论太原市大气PM10和CO污染对居民心脑血管疾病死亡率具有急性影响。SO2和CO浓度与温度具有相关性,提示SO2和CO与冬季采暖有关。对颗粒物而言,除采暖因素以外还存在其他重要的污染源。

Poisson回归模型和负二项回归模型在林火预测领域的应用

应用Poisson回收模型和负二项回归模型进行林火预测预报,研究模型的使用条件和检验方法,以大兴安岭地区1980—2005年该地区林火发生数据为基础,并运用AIC检验方法对模型的拟合水平进行检验,探讨这2种模型对林火发生的预测能力,为在我国林业领域的应用提供必要的理论依据和数据支持。

Poisson系列交通事故预测模型特点分析及应用

针对Poisson系列交通事故预测模型中的Poisson、负二项、广义负二项、零堆积Poisson和负二项等多种模型形式及验证方法进行了系统分析和总结,在此基础上结合实际工作经验总结了影响建模结果的重点因素,并进行了实例分析。研究分析表明在实际建模工作中影响建模精度的因素包括模型中变量的选择、模型类型的选择、模型函数形式的确定、因变量类型的选择等。此外,研究人员的建模经验对于最终建立模型的优劣也起很重要的作用。

林火数据的Logistic和零膨胀Poisson(ZIP)回归模型

利用统计模型对森林火灾数据进行了描述和分析,所用模型包括Logistic回归模型和零膨胀Poisson(ZIP)回归模型。将所用的森林火灾数据分别视为分组因子数据和有序变量数据进行建模。为了进行预测和验证,建模时使用部分数据,其余数据作为检验数据,用以检验预测的准确性。研究结果显示,所研究的两类模型都得到了与检验样本接近的结果,具有较好的火灾次数预测能力。其中零膨胀模型不仅可以得到与Logistic模型相当的结果,而且能够有效解决火灾数大于天数的问题,以及可以对零值过多的数据进行较好地建模。该研究表明所建立的Lo-gistic回归模型和零膨胀Poisson回归模型都是分析火灾与影响因素相关性的适用模型。

尿道下裂与环境污染的关系—Poisson回归模型与GM(1,N)模型结合分析

目的 :分析我国尿道下裂与环境污染的关系。方法 :利用已收集的全国 31个省市 1988～ 1992年和 1996～2 0 0 0年的男性尿道下裂监测资料以及 1987～ 1992年和 1995～ 2 0 0 0年的环境因素监测资料 ,同时采用收集的各省地理面积资料 ,建立多元Poisson回归模型和GM (1,N)模型 ,对 1988～ 2 0 0 0年尿道下裂的发生与 1987～ 2 0 0 0年环境监测数据的相关性进行分析。结果 :与尿道下裂相关的主要环境污染因素为单位面积废水排放量x1(OR =1 35 2 ,P =0 0 0 6 )和单位面积农药使用量x2 (OR =1 378,P =0 0 0 1) ;对尿道下裂发生率建立的GM (1,N)模型为IR (t+1) =(5 82 15 - 0 0 0 0 6 8x1- 0 12 2 6x2 )e-1 460 2t+0 0 0 0 6 8x1+0 12 2 6x2 。结论 :废水排放和农药使用是我国尿道下裂发生的环境危险因素。

基于Gamma广义线性模型对塔河地区林火面积与主要气象驱动因子关系的分析

为了选取最优模型来判别对林火面积有显著影响的气象因子,应用Gamma广义线性模型和多元线性回归模型在年尺度上对大兴安岭塔河地区林火面积和当年及前一年防火期气象因子的关系进行了分析。应用AIC、BIC和RMSE等统计检验方法,对Gamma模型与传统多元线性回归模型进行拟合度比较。结果显示:Gamma全模型对林火面积与当年及前一年气象因子的拟合均要优于相对应的多元线性回归模型,且模型中自变量因子的显著性水平较高。根据最优模型选择标准,对Gamma全模型自变量中的不显著因子进行逐一删除,并获得最优Gamma模型(模型中的气象因子均与林火显著相关)从而确定影响塔河地区林火面积的主要决策气象因子。

基于Poisson对数线性模型的居民点与地理因子的相关性研究

在基于图斑的地理因子库基础上,通过样本采样、数据预处理、建立Poisson对数线性模型、模型估计、统计检验和假设检验等一系列处理过程,研究全国范围内居民点个数与地貌类型、表土质地、高程带、土地利用类型、年降水量和平均气温等地理因子的相关关系,定量地揭示地理气候条件对居民点分布的影响。从而对挖掘具有特定地理气候特征的地理单元内居民点分布的规律,进而推演目标区域内居民点分布的特性并估算该区域内居民点个数打下理论和数据基础。本文是地理学与统计学交叉研究。运用本文的结论,结合不同人口或经济发展水平等级的居民地的研究,将对区域内人口、资源与环境的协调发展做出贡献。