基于ν-支持向量机的边际电价预测及置信区间估计

引入ν-支持向量机,通过构造和求解一个凸优化问题,同时实现了对边际电价的预测和对置信区间的估计,且无需假定预测偏差的概率分布.在ν-支持向量回归中,当ε＞0时,ν是错误样本的个数占总样本个数份额的上界.利用该性质,边际电价预测的置信度和置信区间可以很自然地用参数1-ν和变量ε来表示,这为发电公司进行竞价方案的风险分析打下了很好的基础.算例仿真表明,该方法具有较好的泛化性能和较高的预测精度.     

基于v-支持向量机的边际电价预测及置信区间估计

引入v-支持向量机，通过构造和求解一个凸优化问题，同时实现了对边际电价的预测和对置信区间的估计，且无需假定预测偏差的概率分布．在v-支持向量回归中，当ε〉0时，v是错误样本的个数占总样本个数份额的上界．利用该性质，边际电价预测的置信度和置信区间可以很自然地用参数1-v和变量ε来表示，这为发电公司进行竞价方案的风险分析打下了很好的基础．算例仿真表明，该方法具有较好的泛化性能和较高的预测精度．     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.     

指数分布场合下基于分组数据区间估计的新方法

从新的角度证明了分组数据下指数分布总体均值的极大似然估计(MLE)的渐进正态性,给出了该均值的渐进置信区间。通过Monte Carlo模拟比较,发现该置信区间优于CHEN和MIE得到的置信区间。     

两样本正态总体方差比的最短置信区间研究

用最优假设检验的统计量来构造出两正态总体方差比的枢轴量,分析出基于这一枢轴量用概率对称得到的置信区间的长度并不是最短的。从最短置信区间的本质意义出发,构造出求解最短置信区间的条件并证明其解的存在唯一性,通过数值计算的方法,对于给定置信度1((=0.95,对样本容量从(5,6)至(41,41)的范围内在两正态均值总体未知的情况下,求得了最短置信区间,并与按概率对称求得的置信区间进行了区间长度对比分析。结果表明,在小样本时,用文中求得的最短置信区间来做方差比的区间估计,精度将会得到显著的提高。     

基于有序抽样样本参数的置信区间

讨论了一种新的抽样方法即有序抽样方法下样本的信息矩阵及参数的极大似然估计的性质,把它和简单随机抽样样本下的信息矩阵进行了比较,并以此估计为基础给出了一种新的参数的置信区间的构造方法,表明在相同的置信水平下以此方法构造的参数的置信区间比传统方法下构造的参数的置信区间更短,因而也具有更高的相对精度。     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

两参数Weibull分布联合置信区间估计

提出了定数截尾下两参数Weibull分布精确联合置信区间估计的一种方法,并给出了可靠度的一个保守的置信下限,最后用模拟方法将其和已有的联合置信区间估计方法进行比较,表明文章的估计方法更好.本方法亦可推广到双边定数截尾的情形.     

几种常用分布的总体均值方差的经验似然比置信区间估计

针对几种常见分布的总体在均值未知情况下,讨论了总体均值方差的联合经验似然估计,又利用均值的无偏估计量(-X)代替均值的情况下,给出了其方差的经验似然置信区间.     

基于聚类的多进制扩频伪码序列盲估计方法*

针对多进制扩频系统伪码序列估计的问题,借鉴无监督聚类分析的思想,提出了一种基于K均值聚类算法的多进制扩频系统伪码序列估计方法。该方法首先将多进制扩频信号分段成不重叠的信号向量构造数据集合,利用数据集合的自相关矩阵的检测统计量完成信号的盲同步;其次通过搜索基于K均值聚类的代价函数来估计伪码集合规模,代价函数曲线的拐点位置为伪码集合规模的估计值;最后利用数据集合的聚类特征完成伪码序列的估计。理论分析和计算机仿真表明,该方法可以准确估计多进制扩频系统伪码时延和伪码序列值。     

非平衡异方差单向分类模型中的广义置信区间

讨论了在单向分类模型中多个正态总体样本容量不等, 方差不等时样本均值的同时广义置信区间的估计问题. 结合Scheffe 和Bonferroni 区间的定义, 给出了相应的广义检验变量及广义枢轴量, 进而求得样本均值的同时广义置信区间, 并且通过数据模拟, 和文献[1]中给出的方法比较, 本文所给方法具有较好的可行性.     

Bootstrap方法在区间估计中的应用

运用bootstrap方法对总体均值区间进行估计。在小样本下用常规方法和bootstrap 4种方法对总体均值进行区间估计,在R软件中实现。结果表明,用bootstrap方法估计出的区间宽度明显要比常规方法估计出的窄。bootstrap方法可以提高小样本下总体均值区间估计的精度。     

小样本条件下对数正态分布均值置信区间

介绍了在小样本条件下3种构造对数正态分布均值置信区间的方法,即:PB方法.P值方法和r*方法.然后从4个方面进行对比,得出r*方法优于其它2种方法,并且在实际方面给予应用.     

异方差下增长曲线模型的统计推断

研究异方差增长曲线模型.基于未知参数的广义枢轴量,讨论了固定效应是否相等的假设检验问题,给出了固定效应两两差的同时置信区间和固定效应的置信域.模拟研究显示所给检验犯第一类错误概率和所给置信区间、置信域的覆盖概率都接近置信水平.     

区间估计中一个问题的探讨

讨论了正态总体的均值已知时方差的区间估计．两种方法找到了不同的置信区间,通过举例和分析x2分布表,对这两个区间进行了甄别．     

基于支持向量机的说话人识别

支持向量机的说话人识别采用对音子的置信度进行综合的原理来完成对说话人身份的确认.以音子的置信度矢量为基础,分别采用支持向量机方法和平均值方法对音子的置信度进行综合,通过等错误率方面的研究发现,采用支持向量机方法大大低于平均值方法所获得的等错误率,等错误率大致可以从28％降至23％,而系统的复杂度仅略微地提高.     

Poisson分布的几种置信区间的比较

文章应用经典方法、Bayes方法和Bootstrap方法研究了Poisson分布参数入的置信区间，并通过数据模拟比较，发现Bootstrap方法优于其它两种方法。     

Reliability evaluation of bladder accumulator with no failure data

As a bladder accumulator is a high reliable and long life component in a hydraulic system,its cost is high and it takes a lot of time to test its reliability,therefore,a reliability test with small sample is performed,and no failure data is obtained using the method of fixed time truncation. In the case of Weibull distribution,a life reliability model of bladder energy storage is established by Bayesian method using the optimal confidence intervals method,a model of one-sided lower confidence intervals of the reliability and one-sided lower confidence intervals model of the reliability life are established. Results of experiments show that the evaluation method of no failure data under Weibull distribution is a good way to evaluate the reliability of the accumulator,which is convenient for engineering application,and the reliability of the accumulator has theoretical and practical significance.