CONFIDENCE LOWER LIMITS FOR RESPONSE PROBABILITIES UNDER THE LOGISTIC RESPONSE MODEL

The lower confidence limits for response probabilities based on binary response data under the logistic response model are considered by saddlepoint approach. The high order approximation to the conditional distribution of a statistic for an interested parameter and then the lower confidence limits of response probabilities are derived. A simulation comparing these lower confidence limits with those obtained from the asymptotic normality is conducted. The proposed approximation is applied to two real data sets. Numerical results show that the saddlepoint approximations are much more accurate than the asymptotic normality approximations, especially for the cases of small or moderate sample sizes.     

Monitoring Mean and Variance Change-Points in Long-Memory Time Series

This paper proposes two ratio-type statistics to sequentially detect mean and variance change-points in the long-memory time series. The limiting distributions of monitoring statistics under the no change-point null hypothesis, alternative hypothesis as well as change-point misspecified hypothesis are proved. In particular, a sieve bootstrap approximation method is proposed to determine the critical values. Simulations indicate that the new monitoring procedures have better finite sample performance than the available off-line tests when the change-point nears to the beginning time of monitoring, and can discriminate between mean and variance change-point. Finally, the authors illustrate their procedures via two real data sets: A set of annual volume of discharge data of the Nile river, and a set of monthly temperature data of northern hemisphere. The authors find a new variance change-point in the latter data.

     

CVaR的鞍点解析式及其在CreditRisk+框架下的应用

CVaR是满足一致性的风险度量指标,它测度了超出VaR部分的条件期望.本文在Daniels(1987)基础上,独立导出CVaR的鞍点解析式.利用真实CVaR值已知的伽玛分布和贝塔分布做检验,结果表明CVaR鞍点解析式是CVaR的稳健近似.此外,本文还探索了该方法在风险管理中的应用,所推出的解析式可应用于CreditRisk 框架下损失分布CVaR的计算.     

Smoothed estimator of quantile residual lifetime for right censored data

It is of great interest to estimate quantile residual lifetime in medical science and many other ?elds. In survival analysis, Kaplan-Meier(K-M) estimator has been widely used to estimate the survival distribution. However, it is well-known that the K-M estimator is not continuous, thus it can not always be used to calculate quantile residual lifetime. In this paper, the authors propose a kernel smoothing method to give an estimator of quantile residual lifetime. By using modern empirical process techniques, the consistency and the asymptotic normality of the proposed estimator are provided neatly.The authors also present the empirical small sample performances of the estimator. De?ciency is introduced to compare the performance of the proposed estimator with the naive unsmoothed estimator of the quantile residaul lifetime. Further simulation studies indicate that the proposed estimator performs very well.     

现场可靠性数据的变点分析

针对产品寿命分布规律在使用过程中的变点问题,提出了产品寿命分布变点检验和估计的Bayes方法。根据产品现场使用先验信息的结构特点,提出了变点先验分布的确定方法,并给出了变点Bayes估计的计算方法。利用所得到的变点估计可制定产品的最佳维修策略以及产品报废期。数值模拟表明Bayes方法具有较好的稳健性,适用于现场可靠性数据的变点分析。     

多相测试时钟低功耗BIST调度

内建自测试(BIST)是解决系统芯片(SoC)测试问题的首选可测性设计方法。为了缩短SoC中的BIST测试时间,应该使尽可能多的BIST模块并行测试。然而过度的并行会引起测试功耗过高,对SoC产生不利的影响。为了改善这个问题,提出了基于多相测试时钟以及在峰值功耗的限制下,通过遗传算法对各BIST模块进行时钟相位分配与时序安排的优化调度算法,使SoC在测试时间得到优化。通过对ISCAS标准电路组成的SoC进行算法仿真,实验结果表明这种方法可以有效地组织测试,提高测试效率。     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

考虑偏度特征的动态多响应稳健参数设计与优化

研究了具有动态特性的多响应稳健参数设计问题,分析了响应变量往往具有偏度特征的情况,提出了基于多元偏正态分布与响应曲面法相结合的动态多响应稳健优化模型,该模型不仅考虑了动态多响应之间的相关性,而且也考虑了尺度与偏度对动态多响应系统最优性与稳健性的影响。首先,利用非参数检验方法判断在信号因子不同水平下的各响应变量所服从的分布类型;其次,通过构建各响应变量在信号因子不同水平下的联合位置,尺度与偏度的响应曲面模型,进而建立基于多元偏正态分布的期望损失函数;然后,利用混合遗传算法对所构建的综合期望损失函数进行全局优化求解;最后,通过对具体的工业实例进行分析研究,结果表明本文所提出的方法能够有效地解决具有偏度特征的动态多响应稳健参数设计问题。     

基于讨价还价模型的分享型合同节水管理利益分配

针对分享型合同节水管理的利益分配问题，提出了基于讨价还价模型的动态博弈利益分配方案.考虑到出价顺序对博弈均衡结果有着显著影响，以双方分别先出价时的均衡出价作为各自的分配额，对比分配额之和与总"蛋糕"的大小，构建了分情况讨论的利益分配博弈模型.其次，为使分配结果收敛，引入分配差额及消耗因子，在利益分配博弈的基础上，进一步构建了差额分摊博弈模型，使得研究结果更为完善.结果表明：1）参与者的利益分配额与贴现因子、固定成本及消耗因子密切相关；2）当分配额之和不大于总"蛋糕"时，利益分配方案可在利益分配博弈中求解，否则，利益分配方案的求解需要结合利益分配博弈和差额分摊博弈；3）分享型合同节水管理模式下，节水服务公司享有较多节水收益.     

基于反双曲正切函数的跟踪微分器设计与应用

通过引入反双曲函数与终端吸引子函数,构造了一种新型跟踪微分器。反双曲正切函数在平衡点较近处优异的线性特性可以保证系统收敛的平滑性,远离平衡点处的非线性特性能保证收敛的快速性。通过引入终端吸引子函数,降低了高频信号引起的抖振,增强了噪声抑制能力。通过扫频测试总结得出了参数整定规则后,与典型的跟踪微分器进行对比仿真,测试了所设计新型跟踪微分器的性能。最后,在控制器设计时,基于所提出的新型跟踪微分器构造了干扰观测器。通过仿真对比,证明所构造的干扰观测器实现了对模型不确定项的有效估计。     

基于非参数回归的金融传染检验

本文借助特征函数的优良性质,基于非参数回归构造了金融传染的检验统计量.与现有文献相比,该统计量不仅避免了模型设定偏误问题,而且能够同时捕获线性和各种形式的非线性传染效应.在原假设成立时,该统计量渐近服从于标准正态分布.数值模拟结果表明,该统计量具有良好的有限样本性质,能够识别多种形式的非线性金融传染.本文进一步应用该统计量探讨了中国金融市场与东亚、拉丁美洲、新兴市场国家之间的传染效应,捕获了传统基于线性测度方法无法刻画的非线性传染效应,说明我国与这些金融市场之间存在显著的非线性传染效应.     

The ANOVA-type inference in linear mixed model with skew-normal error

Linear mixed effect models with skew-normal errors and distribution-free random effects are considered. The ANOVA-type F-tests are proposed to test the significance of random effects and the hypothesis on fixed effects of interest, respectively. Both tests are proved to be exact F-tests under this model, and the exact confidence interval for fixed effects of interest is derived. Simulation results are given to study the powers of ANOVA-type tests.     

Feature Screening for High-Dimensional Survival Data via Censored Quantile Correlation

This paper proposes a new sure independence screening procedure for high-dimensional survival data based on censored quantile correlation (CQC). This framework has two distinctive features: 1) Via incorporating a weighting scheme, our metric is a natural extension of quantile correlation (QC), considered by Li (2015), to handle high-dimensional survival data; 2) The proposed method not only is robust against outliers, but also can discover the nonlinear relationship between independent variables and censored dependent variable. Additionally, the proposed method enjoys the sure screening property under certain technical conditions. Simulation results demonstrate that the proposed method performs competitively on survival datasets of high-dimensional predictors.

     

RELATIVE FAILURE RATE AND ITS TEST

In this paper we develop scale and location invariant tests using U statistic forconstant relative failure rate against monotone relative failure rate.Monotone power andasymptotic normality of the test statistic are obtained.Some examples are presented,including tests for exponentiality.Weibull distribution and the two-sample problem.     

基于VB近似的自适应δ-GLMB滤波算法

目前,基于δ-扩展标签多伯努利(δ-generalized labeled multi-Bernoulli, δ-GLMB)滤波器的多目标跟踪方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对上述问题,提出一种基于变分贝叶斯(variational Bayesian, VB)近似的自适应δ-GLMB滤波算法。该算法以δ-GLMB滤波器为基础,利用逆威沙特和高斯乘积混合分布近似量测噪声协方差和多目标状态联合后验分布,通过VB近似技术推导滤波迭代。仿真结果表明,所提算法对于线性未知量测噪声协方差场景具有很强的多目标跟踪鲁棒性,在有效估计量测噪声协方差的同时实现准确的目标数和目标状态估计。     

异地配置的雷达与电子支援措施异步航迹关联

针对异步条件下雷达与电子支援措施(electronic support measurements, ESM)航迹关联问题, 通过分析方位角异步测量值对交叉定位原理的影响, 提出一种无需时域配准的航迹关联算法。根据传感器存在时延以及采样率的不同, 给出不等长航迹序列的等长区间变换以及异步航迹交叉定位的区间化方法, 通过计算区间序列离散度实现异类传感器航迹关联。通过仿真验证, 区间序列离散度不受噪声分布的影响, 且对数据集整体特征的求解避免了传统算法中的逐点运算, 有效提高了算法运算率。与传统算法相比, 可在多种测量误差场景下对异步航迹直接进行准确关联。     

多值故障字典的测点选择与序测试设计

序贯测试问题是目前的一个研究热点。由于时间复杂度太高,传统的序贯测试算法对于测点数大于12的系统无能为力。为此,将序贯测试问题拆分为测点选择与序测试设计两个问题。测点选择问题用A^*算法解决:运用M进制编码规则,首先给出了启发函数的计算方法,然后给出了能够得到所有最小测点集的改进的A^*算法。序测试设计问题用AO^*算法解决:对二值哈夫曼编码规则进行推广得到了多值编码规则,根据此规则给出了AO^*算法启发函数的计算方法。提出的方法更符合可测性设计的设计流程,试验和复杂度分析表明该方法能显著降低传统方法的时间复杂度。     

基于正交特性的短码直扩信号伪码序列盲估计

在短码直扩信号伪码序列的估计中,当使用特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法来估计伪码序列时,存在着当最大特征值和次大特征值相近时最大特征向量会受到干扰,进而影响伪码序列估计的问题。针对此问题,提出了一种基于正交特性的伪码序列估计算法。在已知码片速率和伪码周期的前提下,该算法首先把接收信号划分成长度为两倍码元宽度、数据重叠50%的数据段,然后用SVD估计出最大特征向量和次大特征向量,由于最大特征向量和次大特征向量是相互正交的,可以利用两者的正交特性来估计扩频序列。该算法不但能在信号失步时间未知的情况下估计伪码序列,而且仿真结果表明该算法具有稳定性高,需要的数据量少和能在低信噪比下有较好的估计性能等优点。     

闭环系统的虚拟参考反馈校正控制及迭代最小辨识

在线性框架下研究基于输入输出观测数据对未知系统模型中两反馈控制器的设计问题. 采用虚拟参考反馈校正控制直接设计控制器,无需系统建模过程. 在构造代价函数时,同时考虑闭环传函和灵敏度的模型-匹配问题. 针对模型匹配过程,分别设计虚拟输入和扰动;推导用于观测数据预处理的滤波器. 在设计控制器前,利用概率统计法对控制器进行检验以保证闭环系统的稳定性. 针对控制设计中的参数优化,利用数值优化理论分析迭代最小二乘辨识算法所生成的迭代序列与全局最优值间的逼近式,以此式作为评价收敛性和收敛速度的依据. 最后用仿真算例验证方法的有效性.     

基于历史数据的测试任务约简和故障诊断

针对部队航电组件测试任务繁重、故障定位率低的问题,提出一种利用历史数据来简化测试任务、提高故障定位率的方法。利用粗糙集信息系统理论,建立了航电组件故障信息系统模型;基于测试任务辨识函数和诊断允许误差对测试任务进行约简;基于最短测试时间选出最优测试任务集;利用贝叶斯最大后验概率进行故障诊断推理,将诊断问题归结为不等式约束极值问题;用0-1规划隐数算法求得最优解。最后以某型飞机惯导部件为例验证了方法的快速有效性。