偏正态数据下众数回归模型的统计诊断

为了更好地拟合偏态数据,充分提取偏态数据的信息,针对偏正态数据建立了众数回归模型,并基于Pena距离统计量对众数回归模型进行统计断研究,得到了众数回归模型的Pena距离表达式以及高杠杆异常点的诊断方法.利用EM算法与梯度下降法给出了众数回归模型参数的极大似然估计,根据数据删除模型计算似然距离、Cook距离和Pena距离统计量,绘制诊断统计图.通过Monte Carlo模拟试验和实例分析比较,说明文章提出的方法行之有效,并在一定条件下Pena距离对异常点或强影响点的诊断优于似然距离和Cook距离.     

线性回归诊断的若干问题

本文对于线性回归诊断提出了几种新的模型和方法。我们首次研究了方差加权和均值漂移的混合模型,得到了相应的诊断统计量。本文还引入了罚函数方法,并以此为工具,讨论了若干有偏估计的影响度量,最后,本文提出了基于重心的诊断统计量,对于识别异常点有较好的效果。     

Logistic回归模型的影响分析

Logistic回归模型的影响分析是Logistic回归诊断研究中的重要内容。常用的分析方法都是轮换地删除数据点后的逐步判断,而这个判断的过程主要体现在模型的诊断图上。鉴于此,通过构造诊断统计量来有效地开发诊断图成为影响分析的核心内容,并由此能较为准确地探寻出模型的强影响点。本文通过对Logistic回归模型帽子矩阵的分解以及对轮换地删除数据点后的系数估计的相对变化量进行加权,得出Logistic回归模型诊断图使其能比传统的诊断图更准确地判断出模型的强影响点。     

纵向数据下半参数联合均值协方差模型的贝叶斯分析

基于改进的Cholesky分解,研究分析了纵向数据下半参数联合均值协方差模型的贝叶斯估计和贝叶斯统计诊断,其中非参数部分采用B样条逼近.主要通过应用Gibbs抽样和Metropolis-Hastings算法相结合的混合算法获得模型中未知参数的贝叶斯估计和贝叶斯数据删除影响诊断统计量.并利用诊断统计量的大小来识别数据的异常点.模拟研究和实例分析都表明提出的贝叶斯估计和诊断方法是可行有效的.     

Poisson-Lindley回归模型基于EM算法的诊断分析(英文)

利用EM算法研究了来自于Lindley分布权重的混合Poisson模型,即Poisson-Lindley回归模型,从而利用基于完全数据似然函数的条件期望进行统计诊断和局部影响分析,得到了几个有用的诊断统计量,并用一个数值实例说明了所得统计量的有效性.     

基于杠杆值大数据集抽样的异常点诊断

本文主要研究大数据集下利用杠杆值抽样后的异常点诊断问题。首先讨论了数据删除模型中参数估计的统计性质,构造了四种异常点诊断统计量;其次,根据均值漂移模型的漂移参数的假设检验问题,构造了三种检验统计量;最后,通过模拟和实证数据分析结果得出本文的结论—异常点诊断对于基于杠杆值的大数据集抽样估计起到重要的影响作用。     

基于纵向数据的Poisson-Gamma模型系数的随机性检验

应用随机系数化方法对纵向数据的Poisson-Gamma回归模型进行了研究,采用Laplace展开方法得到了关于响应变量的近似似然函数并得到模型系数的随机性检验的Score统计量.通过Monte Carlo模拟分析了检验的渐近功效.最后把得到的检验统计量应用到具体的数值实例分析中说明其有效性.     

非线性均值方差模型的贝叶斯数据删除统计诊断

文章在非线性均值方差模型框架下基于K-L距离研究贝叶斯数据删除影响的统计诊断问题,通过应用Gibbs抽样和MH算法估计贝叶斯数据删除影响诊断统计量.随机模拟研究和红鳟鲑鱼数据的数值例子说明该诊断方法的可行性.     

GARCH模型变点的Ratio检验

研究GARCH模型参数变点的Ratio检验.首先构造了基于残量累积平方和的Ratio统计量,推导了原假设下统计量的极限分布,其次采用Monte Carlo方法检验其有效性,最后以数据为例进一步说明该方法的实用性.     

基于模糊Cook距离的模糊线性回归模型的统计诊断

针对确定输入、模糊输出的模糊线性回归分析模型,采用最小二乘法,讨论了模糊线性回归模型的数据删除模型的参数估计,将建立在确定性数据基础上的线性回归模型统计诊断量Cook距离推广到模糊线性回归分析模型中,构造了统计诊断量—模糊Cook距离,通过数值模拟和对实际例子的研究,识别出其中的强影响点,得出与其它方法相同的结论,表明本文构造的统计诊断量是有效的,且应用比其它方法更方便.     

Modelling and hierarchical diagnosis of timed discrete-event systems

A new diagnostic method for hierarchically structured discrete-event systems is presented. The efficiency of this method results from the fact that the complexity of the diagnostic task is reduced by first detecting a faulty component using a coarse process model on a high level of abstraction, and subsequently refining the result by investigating the faulty component with the help of a detailed component model in order to identify the fault with sufficient precision. On both abstraction levels, the method uses a timed discrete-event model of the appropriate part of the system. On the higher abstraction level a timed event graph is used that describes how the temporal distance of the events is changed by component faults. On the lower level of abstraction, timed automata are used to cope with the non-determinism of the event sequence generated by the faulty and faultless components. The approach is illustrated by the diagnosis of a batch process.     

Fuzzy数学在涡喷发动机滑油故障诊断中的应用

将模糊数学方法引入到涡喷发动机滑油故障诊断中 ,提出了由历史数据及专家优序数综合确定模糊隶属度的方法 ,建立了模糊诊断模型 ,解决了针对一种或数种故障征兆 ,如何准确 ,快速地找到引起故障的真正原因 ,从而为飞机的故障诊断维修工作提供了一种科学、可行的新方法 .     

On diagnosability of large multiprocessor networks

We consider problems of fault diagnosis in multiprocessor systems. Preparata, Metze and Chien [F.P. Preparata, G. Metze, R.T. Chien, On the connection assignment problem of diagnosable systems, IEEE Trans. Comput. EC 16 (12) (1967) 848-854] introduced a graph theoretical model for system-level diagnosis, in which processors perform tests on one another via links in the system. Fault-free processors correctly identify the status of tested processors, while the faulty processors can give arbitrary test results. The goal is to identify faulty processors based on the test results. A system is said to be t-diagnosable if faulty units can be identified, provided the number of faulty units present does not exceed t. We explore here diagnosis problems for n-cube systems and give bounds for diagnosability of the n-cube. We also describe a simple diagnosis algorithm A which is linear in time and which can be used for sequential diagnosis as well as for incomplete diagnosis in one step. In particular, the algorithm applied to arbitrary topology based interconnection systems G with N processors improves previously known ones. It has sequential diagnosability , which is optimal in the worst case.     

单圈图生成的凯莱图UG_n在PMC模型和MM~*模型下的1好邻诊断度

多处理系统的诊断度是一个重要的研究课题.一种新的系统故障诊断方法称为g好邻诊断度,它是限制每个无故障点至少包含g个无故障的邻点.单圈图生成的凯莱图UG_n作为一种极好的互联网络拓扑结构有许多好的性质.现证明了当n≥4时,单圈图生成的凯莱图UG_n在PMC模型下的1好邻诊断度是2n-1;当n≥5时,UG_n在MM~*模型下的1好邻诊断度是2n-1.     

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量问的相依关系.     

用超广义线图构造整谱图

线图在图的谱理论研究中起着重要的作用.在本文中,通过研究超广义线图成为整谱图的充分条件,获得了一种全新的构造新的整 谱图的方法,运用这种方法,可以构造出无穷多个新的整谱图.