Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.     

序限制下同变预测区间的改进

在统计决策理论框架内考虑了位置和尺度分布族下随机变量的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置和尺度同变预测区间进行了改进.在一定条件下,构造了一族改进预测区间,从而解决了常用同变预测区间的改进问题.     

位置分布族下最优同变预测区间的改进

在统计决策理论框架内考虑了位置分布族下的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置最优同变预测区间进行了改进,构造了一族改进预测区间.     

位置分布族下最优同变预测区间的改进

在统计决策理论框架内考虑了位置分布族下的区间预测问题。利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置最优同变预测区间进行了改进,构造了一族改进预测区间。     

参数有限制条件下最优同变点预测量的改进

考虑了在位置分布族与尺度分布族中,当未知的分布参数含有限制条件下,对参数无限制下给出的未知随机变量的最优同变点预测量进行改进。在一定条件下,利用IERD方法构造一族改进后的点预测量。     

有限制位置参数下单收缩预测量的改进

考虑有限制位置参数下随机变量的统计预测问题. 利用可得到的相关数据及参数间的两种不同序限制, 对随机变量的单收缩预测量进行改进, 得到了不同序限制下的改进预测量族, 并探讨了改进预测量族之间的关系.     

参数序限制下最优同变预测区间的改进

考虑了位置分布族与尺度分布族中,当未知参数含有序限制时,对未知随机变量的预测区间的问题。利用序限制下最优同变估计量的改进方法,在一定条件下,构造一族改进后的同变预测区间,从而解决了对未知随机变量同变预测区间的改进问题。     

序限制下最优位置同变预测区间的改进

考虑序限制下随机变量的统计预测问题. 利用密度函数中未知参数间的序限制及可得到的所有样本观测值, 改进了位置分布族下常见的同变预测区间, 给出一族改进的预测区间, 并举例进行了说明.     

序限制下最优尺度同变预测区间的改进

考虑了序限制下的统计预测问题，在一定条件下通过IERD方法给出了通常最优尺度同变预测区间的改进预测区间。     

增长曲线模型未来观察的预测

研究了一般增长曲线模型未来观察的预测问题,在一定条件下得到了它的最优线性预测量,经验最优线性预测量,最优线性无偏预测量.     

LINEX损失下的最优同变预测问题

从统计决策理论角度考虑了统计预测问题。在非对称LINEX损失下，给出了最优同变预测量并举例进行了说明。     

非对称损失下的统计决策理论在经济中的应用

在统计决策理论的框架内研究了随机变量的预测问题。在非对称Linex损失下，对具体的经济问题，给出了最优位置同变和最优位置尺度同变预测量。     

非对称损失下的点预测问题

从统计判决理论角度考虑了非对称Linex损失下的点预测问题。定义了Linex无偏预测量并讨论了与之相关的一些结论。利用十分统计量给出了最优Linex无偏预测量。     

基于附加噪声预测器UKF的摄像机标定算法

由于环境等因素影响摄像机拍摄过程中存在可变噪声,针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法无法处理未知噪声的问题,设计了一种基于附加噪声预测器UKF的摄像机标定算法.首先,对传统UKF算法进行改进,引入噪声估计器并用极大后验估计求取次优解,解决未知可变情况下的噪声问题.然后,利用该改进UKF算法对摄像机进行标定,实现了标定精度的有效提高.实验结果显示该算法在有效保证滤波收敛性的同时,显著提高了滤波和摄像机的标定精度,由此推断基于附加噪声预测器UKF的摄像机标定算法是可行高效的.