同模型下数据缺失时非参数回归模型反应变量均值的经验似然置信区间

在两总体具有相同的非参数回归模型下,当第一总体的样本为完全样本,第二总体的反应变量完全缺失时,利用第一总体的样本信息,得到了第二总体反应变量均值的经验似然置信区间.     

两m相依样本参数差异的经验似然置信区间

本文将经验欧氏似然应用于半参数模型,讨论了在此模型下两强平稳m相依样本参数差异的经验欧氏似然置信区间,证明了其经验欧氏似然比统计量的渐进χ^2分布性,并给出其经验似然置信区间.     

等式约束下线性模型参数的经验似然估计

经验似然估计推断方法是非参数统计方法中应用比较广泛的一种。本文把经验似然方法推广到等式约束下的线性模型,得到了参数的经验似然比置信区间。     

基于非光滑经验似然的低收入比例推断

低收入比例是世界各国公认的用于描述收入分配不平等的一个重要指标,它常被用来评价人类社会的经济和贫困状况,这一指标的准确估计对政府制定经济政策有着重要作用。为了研究低收入比例,给出了基于非光滑经验似然的低收入比例推断。在简单随机抽样下定义了低收入比例的经验似然比,并证明了其极限分布为标准的卡方分布。最后进行了实例分析。     

缺失数据下非参数模型均值估计的两个结果

在缺失数据的情形下,用两种不同的方法讨论了非参数回归模型中,反映变量Y的均值θ的估计及其渐近性质,得出了关于θ的基于正态逼近的渐近置信区间以及θ的基于经验似然的渐近置信区间.     

基于惩罚极大Lq似然的Logistic回归系数的估计及变量选择

极大似然估计是Logistic回归模型的常用参数估计方法,且在一定条件下具有一致性和渐近正态性。但极大似然估计的优良性主要体现在大样本情况,当解释变量具有多重共线性且样本量较小时,为得到更好的拟合效果以及实现参数稀疏化,将极大Lq似然估计与Lasso惩罚结合,得到Lasso极大Lq似然估计。并运用数值模拟对Lasso极大似然估计和Lasso极大Lq似然估计进行比较得到,在样本量较小时,Lasso极大Lq似然估计的表现优于Lasso极大似然估计。     

极大似然估计方法的直观教学设计

极大似然估计是求解参数点估计的一个重要方法.该方法具有很多优良的统计性质,因而在各个领域中得到广泛的应用.针对该方法计算复杂,学生理解较为困难的问题,对极大似然估计的教学方案进行了设计.通过引入简单实例,讨论了极大似然估计所使用的极大似然原理及其求解方法,让学生形成对新方法的直观理解,在教学中取得了良好的效果.     

最大似然估计的教学方法

最大似然估计法是到目前为止最重要也是用得最多的参数估计方法.对最大似然估计的讲解给出了新的尝试,并在教学中取得了良好的效果.     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.     

广义线性模型中拟似然估计的弱相合性及渐近正态性

对于多维广义线性模型,q×1响应变量yi是可观测的,协变量Xi是已知的p×q固定设计的情形,研究了在自然联系情形下的拟似然方程∑ni=1Xi(yi-h(XTiβ))=0的解(β)n.用压缩映射,证明了拟似然方程的解(β)n在(λ)n=O((λ)n)及其它正则条件下的弱相合性;在独立的情形下对于t＞0利用ψ(t)为正的非降函数,使得limt→∞[ψ(t)]=∞以及tΨ(t)为凸函数时,证明了拟似然估计(β)n的渐近正态性.     

认知无线电中基于可信度的感知节点集选择

联合谱感知虽然可提高系统的感知性能,但随着感知节点数目的增加,系统资源的占用越来越多,系统传输 效率下降. 该文详细分析了联合谱感知方法的感知性能,得到感知节点集感知性能与感知节点数目和平均接收信噪比之 间的关系,在此基础上给出一种感知节点集的选择方法. 针对认知网络中可能存在的不可信节点对感知节点集选择方法 的影响,提出可有效剔除不可信节点的可信度检测方法. 综合上面两种方法,提出了基于可信度的感知节点集选择算法, 在进行感知节点集选择的同时可有效剔除不可信节点,有效地保证了所选节点集的感知性能. 仿真结果验证了算法的有 效性和可靠性.     

基于短记忆原理的分数阶系统时域子空间辨识

针对多变量分数阶系统提出一种基于短记忆原理的时域子空间辨识算法. 该算法能够有效辨识多变量分数阶系统的系数矩阵和分数阶微分阶次. 利用Poisson 矩函数对输入输出信号进行滤波预处理,构造了子空间方法的输入输出矩阵. 通过代价函数将分数阶微分阶次辨识转化为参数寻优问题. 利用分数阶微分的短记忆原理,将分数阶微分阶次和输入输出数据矩阵进行分离,避免了输入输出信号的分数阶微分计算过程. 数值仿真对算法的有效性进行了验证.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

基于残余应力增韧机制的陶瓷材料增强相的极限含量模型及应用

基于残余应力增韧机制,建立了当T_P>T_m时陶瓷材料增强相的极限含量模型,并结合SiC/TiB₂颗粒复合陶瓷材料进行了验证与应用.以此为基础,建立了考虑基体颗粒尺寸与粒径配比时的增强相极限体积含量的模型.这些模型的建立对于陶瓷材料的组分设计和微观结构设计均具有重要的实际应用价值.