偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝 叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用 B 样条方法建模,在共轭先验下考 虑该模型的贝叶斯分析,基于 MH 算法与 Gibbs 抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估 计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比, 发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比, 可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于 ADNI 数据中,研究了神经评分与基线 临床指标间的关系,得出了合理的结论,证明了方法的合理性。     

HMM2小波变换的参数估计

在观测噪声和马尔可夫链不相互独立的条件下提出了一种新方法来解决通过小波变换后的二阶隐马尔可夫模型（second-order HMM：HMM2）中高斯混合模型的参数计算问题．这种方法可以不必根据变换后的数据对系统参数进行重新估计，只需利用变换后输出的小波系数直接计算即可，避免了保留所有训练数据的繁琐复杂计算过程．     

交错轴圆柱端面齿盘共轭齿面的数值计算方法

提出了一种简单且精确的端面齿盘齿面数值计算方法，可用简单的直线和平面曲面段变点的求取，来代替复杂的啮合方程、过渡曲线方程的推导和求解。该方法只需圆柱齿轮参数、偏置距和传动比，就可以同时完成共轭齿面和过渡曲面的精确计算，并得到圆柱齿轮和齿盘啮合的瞬时接触线。通过对瞬时接触线的图形显示和分析，该方法可以优化设计参数，将空间共轭曲面的求解转化为平面曲线的计算，无原理误差，且简明、易于实现。     

基于神经网络集成的IRT参数估计

针对统计方法难以解决小样本条件下项目反应理论（IRT）项目参数问题,提出了运用广义回归神经网络（GRNN）集成对小样本条件下项目参数进行估计的方法,运用计算机模拟的方法产生项目参数的真实值,根据双参数逻辑斯蒂模型得到被试的反应矩阵。运用经典测验理论方法得到项目难度和区分度的统计量,将其作为神经网络的输入,以模拟产生IRT的项目参数作为网络的输出,对GRNN进行训练。并且对30个神经网络加以集成,将它们在测试阶段得到输出值的平均值作为IRT参数的估计值。结果表明,神经网络集成可以得到比统计方法和单个神经网络更好的参数估计结果。     

基于局部多项式估计方法的ROC曲线估计

在医学诊断检测中，对于连续的检测结果，通常用ROC曲线来测量其准确性.作者研究了常用的ROC曲线的非参数估计,并给出一种新的核光滑估计方法.使用这种新方法，不但可以减少均方误差，而且只需用一个窗宽来估计，克服了Lloyd方法的缺点.     

半参数单调变系数部分线性EV模型的估计

主要研究半参数单调变系数部分线性EV模型的估计问题,提出了单调纠偏profile最小二乘估计方法,给出了模型中未知参数和单调变系数函数的估计,并在适当条件下证明了参数估计的渐近正态性和非参数单调估计的渐近性质.最后利用计算机数值模拟验证了本文所提方法的可行性及有限样本估计结果的性质.     

半变系数伽马脆弱模型惩罚部分似然估计

为了更好地分析对数风险函数与协变量之间复杂的非线性关系,提出一种半变系数伽马脆弱模型并给出其估计方法．首先,应用B-样条将半变系数伽马脆弱模型近似转化为线性伽马脆弱模型,然后运用惩罚部分似然法估计转化后模型的线性参数,随后采用近似轮廓似然法并运用黄金搜索算法估计随机效应的参数;在通过迭代获得转化后的线性系数以及随机效应参数的估计以后,运用B-样条得到变系数函数的估计．经蒙特卡罗模拟研究发现,该方法可以给出协变量的线性参数以及变系数函数较为精准、稳定的估计,是分析协变量对于风险率影响的有效方法．最后,应用所提出的方法分析了NCCTG肺癌数据．     

复杂曲面上任意方面曲线映射的计算

针对在CAD／CAM中经常需要在复杂形体上描绘曲线，提出了自由曲面上映射曲线的计算方法，通过把沿任意方面曲线向曲面映射的问题，转化为一系列等参数曲线与一般柱面的求交问题，减少了工作量，提高了计算效率，由于该方法通过计算参数空间的映射曲线来求出模型空间的映射曲线，使最终结果更加准确，同时采用了NURBS方法，使所有的曲线曲面表示都统一在同一种形式之下，更有利于后续的处理工作。     

纵向数据分析中使用滑动平均Cholesky分解对回归均值和协方差矩阵进行同时半参数建模(英文)

近年来,对纵向数据分析中回归均值和协方差矩阵同时进行建模研究得到越来越多的关注.为满足协方差矩阵的正定性约束,文献中常考虑对其逆矩阵进行某种分解.本文使用一种Cholesky分解方法对协方差矩阵本身进行分解,得到的参数没有取值限制且有着明确的统计意义.具体地,分解后的参数可以视为滑动平均序列的系数和对数更新方差,且在整个实轴上取值无限制.考虑到模型的稳健性和推断的有效性,提出了一种对回归均值和协方差矩阵同时进行半参数建模的方法,并利用广义估计方程和B样条给出了半参数模型的估计方法,得到了参数部分估计的渐近正态性以及非参数部分估计的最优收敛速度.最后通过模拟和实例分析对所提方法进行了数值研究.     

复杂曲面上任意方向曲线映射的计算

针对在ＣＡＤ／ＣＡＭ 中经常需要在复杂形体上描绘曲线，提出了由自曲面上映射曲线的计算方法。通过把沿任意方向曲线向曲面映射的问题，转化为一系列等参数曲线与一般柱面的求交问题，减少了工作量，提高了计算效率，由于该方法通过计算参数空间的映射曲线来求出模型空间的映射曲线，使最终结果更加准确，同时采用了ＮＵＲＢＳ方法，使所有的曲线曲面表示都统一在同一种形式之下，更有利于后续的处理工作     

缺失数据下的线性泛函的半参数降维推断

针对缺失数据下线性泛函估计中存在的非参数高维问题和模型参数化后的稳健性问题,提出了线性泛函估计的半参数降维推断方法,通过非参数函数估计来插补线性泛函,井用参数工作函数来降维.所得半参数降维估计具有双稳健的特点,即只要选择概率函数正确参数化或者降维插补指标可以修复线性函数的条件期望,所得估计就是相合的,而且二者都满足时,估计达到最优.     

逻辑斯蒂模型及其应用

逻辑斯蒂方程是一种非线性的微分方程，其数学模型属于增长的S型曲线模型，利用它可以描述客观事物的增长过程。本文系统阐述了逻辑斯蒂模型的来源、发展及其演变，分析了其生态意义，并举例说明了该模型在实际中的应用。     

带缺失数据的半参数非线性模型基于经验似然的统计诊断

研究了用经验似然的方法来研究带有缺失数据的半参数非线性模型的统计诊断问题。首先,在响应变量完全随机缺失下,利用修正借补的方法处理缺失数据,从而得到完全样本;然后用核估计方法对未知函数进行估计。其次,基于数据删除模型给出了参数的一步近似估计,提出了经验Cook距离以及标准化残差分析,进而找出异常点和强影响点。最后,通过实例对带有缺失数据的非线性半参数模型进行统计分析来验证以上方法的可行性和有效性。     

主题词载文量对时间响应模型的构建及应用

从期刊的载文量多少可以反映出某个学科或主题的文献增长和老化情况。文章构建了一个新的模型用以研究主题词载文量的变化规律，探索主题词的载文量对时间的响应关系。利用Web of Science平台中所有数据库检索了2000—2019年20年间主题词半衰期在物理学、化学、环境科学、工程学、生物化学和文献计量学等6个学科的载文量对时间的响应规律。同时用逻辑斯蒂模型和构建的新模型拟合这些数据，拟合结果表明：生物化学的载文量峰值最大，文献计量学最小。逻辑斯蒂模型只能给出载文量峰值，不能给出峰值对应的时间。新构建的模型不仅可以得到载文量峰值，而且还可以得到载文量峰值对应的时间，且拟合得到的峰值时间与观测值非常接近。研究结果还表明：6个学科中，生物化学的峰值时间最小，为15.22年；化学的峰值时间最大，为16.18年。因此，新模型可以为文献增长和文献老化的研究提供一个可供选择的数学工具。     

多元逻辑模型的极大似然估计

在经济计量研究中，逻辑模型是一种应用非常广泛的非线性概率模型，几今关于一元情形参数估计的讨论文献很多，对多元情形仅证明似然估计的存在性，而没有给出求参数的具体算法，然而多元模型也有其十分广阔的实际应用，本文将给出了多元情形下逻辑模型的极大似然估计及一种具体计算方法。     

非线性半参数模型最小二乘近邻估计

目前对非线性半参数模型的研究尚处于初级阶段,关于非线性半参数模型的计算理论还未见实质性报道.基于非线性半参数模型最小二乘近邻估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的非线性直接解法.基于工程实际中的非线性模型用模拟数据进行计算,证明对于非线性半参数模型最小二乘近邻估计,可采用顾及二次项的直接解法.     

基于Copula-Glue的水文模型参数的不确定性

 利用现行的Copula函数来描述模型参数之间的相关性,提出基于Copula Glue的水文模型参数不确定性估计方法。选取采样次数为10 000、50 000和100 000,阈值为0.5、0.6和0.7的6种组合,进行了模型参数的不确定性模拟,并与Glue方法的模拟结果进行了对 比。结果表明基于Copula Glue的水文模型参数不确定性估计方法用联合分布代替单独的参数的分布,能够很好地考虑参数之间的 相关性,在同样的采样次数下能够生成更多有效的参数组合,从而更加全面地估计参数的不确定性。     

水稻纹枯病流行的时间动态模拟分析

通过田间小区试验获得水稻生长季节中纹枯病(Rhizoctonia solani)相对严重度(x)随时间(t)而变化的动态消长曲线,用Epitimulator软件计算出单分子、逻辑斯蒂、龚伯茨和理查德拟合模型.根据各模型的检验参数分析比较4种理论函数对纹枯病进展曲线的拟合性,发现单分子函数的拟合性最差,龚伯茨函数优于逻辑斯蒂函数;当确定适当形状参数m值时,用理查德函数可获得纹枯病发展动态的最优拟合模型,其决定系数最高而卡方值和均方根误差值最小.在实验中设置了3个纹枯病接种处理并获得3条病害进展曲线,用理查德对它们进行拟合所得到的拟合模型分别是:x=[1 0.187 4 exp(-0.213 9 t)]~(-20.5699)±0.0170(m=1.048 6,R=0.982 2,X~2=0.010 9) x=[1-0.690 3 exp(-0.210 3 t)]~(3.6881)±0.0198(m=0.728 9,R=0.988 5,x~2=0.010 9) x=[1 0.636 4 exp(-0.431 6 t)]~(-8.0703)±0.0277(m=1.443 3,R=0.988 2,x~2=0.015 6)     

偏微分方程初始条件的核估计方法

对于一个适定的偏微分方程组广义初值问题,该文利用非参数回归分析中的核估计方法,对在不同时间和不同空间记录下的数据进行整合,估计出未知函数在初始曲面上的值.对于空间维数为n的问题,此估计受到n(n+1)/2个参数的控制,在一定的最优准则下,可以得到初始数据的最优估计.最后给出了一个海流浅水模式初始资料的估计实例,与大气或海洋数值预报中的其它常用同化方法相比,计算量相对较小.     

叙述性偏好法实验的有效样本量模型框架

叙述性偏好法(SP)是一种通过实验设计研究人们偏好的方法,通常结合离散选择模型估计参数.针对SP实验设计缺乏足以得到准确参数估计的有效样本量的问题,提出一个易于操作、更加全面的SP实验有效样本量估计方法框架,实现通过一个线性模型来估计实验所需的有效样本量.应用该框架开展实证研究,发现要素的数量、要素水平的数量、参数的尺度、样本量以及实验设计策略都对参数的准确性产生显著的影响,得到3种设计策略下的有效样本量估计模型.以此为基础,提出SP实验设计的实践原则.