基于凹凸组合的一类洛伦兹曲线模型

为了统计和分析一个国家和地区的收入分配情况,经济学界往往通过入户调查获得家庭收入与消费等数据,采用洛伦兹曲线模型来进行数据拟合.洛伦兹曲线模型拟合效果的好坏,直接影响着收入分配的描述.本文构建了一类凹凸组合的洛伦兹曲线模型,并针对19个国家的收入分配数据进行了实证分析.结果显示该模型具有较好的拟合效果,其基尼系数能较好地描述收入分配现状,对反映和监测居民之间的贫富差距具有重要意义.     

模糊C均值算法的改进

模糊聚类分析方法具有较强的实用性,但传统的模糊C均值算法对数据集进行分类时有均分的趋势,对于数据集中各类样本数目相差较大的情况,其聚类结果不是很理想.因此,本文对FCM算法进行了改进,使之不但能够达到更好的分类效果,同时也更加适用于样本分类不均衡的聚类问题.文中还结合具体算例进行了聚类分析,得到了理想的分类效果.     

带缺失数据的偏正态众数回归模型的参数估计

针对现实生活中大量数据存在偏斜的情况,构建偏正态数据下的众数回归模型.又加之数据的缺失常有发生,采用插补方法处理缺失数据集,为比较插补效果,考虑对响应变量随机缺失情形进行统计推断研究.利用高斯牛顿迭代法给出众数回归模型参数的极大似然估计,比较该模型在均值插补,回归插补,众数插补三种插补条件下的插补效果.随机模拟和实例分...     

基于删失数据的ARMA模型参数估计与实证分析

利用生存分析中的K-M估计得到了删失数据下ARMA模型的参数估计,通过与完全数据下的参数估计进行对比,充分说明了该估计的效果.利用删失数据下ARMA模型的EM算法,对2013年5月2日到2014年5月8日的247个美元兑人民币的基准汇率数据进行建模分析和预测,并与实际数据进行对照,误差较小,说明估计和EM预测方法的可行性.     

基于支持向量回归的豆油期货数据分析

随着期货市场在经济中的影响逐渐增强,对期货市场的研究具有实际意义.选取豆油期货指数进行研究,首先将数据进行归一化处理,然后选用支持向量回归方法建模分析.分析结果表明该方法对短期内的数据预测具有较好的效果,对了解期货市场的近期走势提供一些借鉴.     

基于线性插值方法的ART重建算法研究

在断层成像的实际应用中,CT图像重建常用于重建欠采样及不完全数据的投影.在此,主要从不完全投影进行考虑:用线性插值法对不完全投影数据进行估计补全,再运用ART算法对补全后的投影图像进行重建.仿真实验表明,在投影数据缺失较少时,这种思路是可行的,且得到的重建效果也较好.     

一类用于肺结节检测的深度学习加速方法北大核心CSCD

肺结节检测的深度学习方法一般分为候选结节检测和假阳性结节消除两个阶段.基于两阶段方法,提出了一种整合新数据以提升系统准确性的增量学习加速方案.利用历史数据的训练模型对新数据进行筛选,把表现性能不好的数据作为继续训练两阶段模型的输入.在LUNA16和TIANCHI17两个经典数据集上对上述方法进行测试,只需利用一半以下的新训练数据就能取得与传统两阶段方法相同的效果.     

小波分析方法在金融股票数据预测中的应用

利用小波分析预测方法对金融数据—股票收盘价这一典型的非平稳时间序列进行预测.使用M a llat小波分解算法对数据进行分解,对分解后的数据进行平滑处理,然后再进行重构,而重构之后的数据就成为近似意义的平稳时间序列,这样就得到了原始数据的近似信号,再应用传统时间序列预测方法对重构后的数据进行预测,将预测结果与实际值,以及和传统预测方法预测结果比较,小波分析方法预测效果更为理想.     

基于支持向量机的大豆产量预测研究

应用支持向量机(SVM)的算法进行中国大豆产量的预测研究,用1991-2008年中国大豆数据组成样本集,建立影响因素与大豆产量之间的SVM模型.利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份大豆的预测,并与其它几种方法的预测效果进行比较.结果表明,SVM预测模型预测大豆产量的精度优于其它预测方法.     

基于主成分和Fisher判别的DNA序列分类方法

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

混合模型及其在药理研究中的应用

目的：减少人们误用统计学的机会,使药理学研究中定量资料的统计处理更加科学;方法：揭示药理学研究中一种最常见的实验设计类型及其资料的特点,指出许多医学期刊中常用ｔ检验和一般方差分析处理这种资料的错误,并给出正确的统计分析方法;结果：展示了混合模型在分析复杂数据结构中的特殊作用;结论：一般线性模型在处理含随机效应的数据时存在困难,而运用混合模型便可灵活有效地使之得以解决     

加权线性支持向量分类机的数据扰动分析

加权线性支持向量分类机是数据挖掘的新方法.它对应于一个优化问题.针对加权线性支持向量分类机优化问题建立了数据扰动分析理论方法.具体地针对加权线性支持向量分类机的原始问题建立了数据扰动分析基本定理,定理可以得到加权线性支持向量分类机问题的解及决策函数对数据参数的偏导数,同时可以定量分析输入数据的误差以及数据各种变化对其解以及决策函数值的定量影响,可以回答加权线性支持向量分类机问题的稳定性问题和灵敏度分析问题.     

Geometric measures of convex sets and bounds on problem sensitivity and robustness for conic linear optimization

The effect of data perturbation and uncertainty has always been an important consideration in Optimization. It is important to know whether a given problem is very sensible to perturbations on the data or, on the contrary, is more “robust”. Problem geometry does have an impact on the sensitivity of the problem and in this paper we analyze this connection by developing bounds to the change in the optimal value of a conic linear problem in terms of some geometric measures related to the radius of inscribed and circumscribed balls to the feasible region of the problem. We also present a parametric analysis for Linear Programming which allows us to construct an estimate of safety limits for perturbations of the data. These results are developed in relation to questions in robust optimization.     

工薪类个税征收标准对调节居民收入分配作用的统计分析

个人所得税一直是中国老百姓最关注的话题之一,2011年个税征收标准改革的问题再次引起大家的关注,主要焦点集中在工资、薪金类的个税征收的起征点和累进税率。本文选择2001至2010年31个省份的19行业的平均工资为基础数据,运用SPSS统计分析软件分别按省份和行业作为因子对税前和税后的平均工资做方差分析,利用假设检验的P值构造统计量,定义了调节比和调节得分两个评价指标,用这两个指标衡量个人所得税征收标准对缩小工资差距的效用。本文中该模型把个税征收标准对调节居民收入分配的效果数量化,通过得分指标的变动说明过去两次个税征收标准调整的必要性以及今年审议的第四套个人所得税征收标准草案的优劣。还可以通过该模型构建的指标对某套个人所得税的征收标准是否适应当前经济发展需要起到参考作用。     

A Comparison of Regression Analysis and Data Envelopment Analysis as Alternative Methods for Performance Assessments

This paper compares regression analysis and data envelopment analysis as two alternative methods for assessing the comparative performance of homogeneous organizational units such as bank branches or schools. The comparison is restricted to units using a single resource or securing a single output. It focuses on the estimates of relative efficiency, marginal input-output values and target input-output levels that the two methods offer. A set of hypothetical hospitals is used to illustrate the performance of the two methods. It is found that, in general, data envelopment analysis outperforms regression analysis on accuracy of estimates but regression analysis offers greater stability of accuracy.     

Computing efficient frontiers using estimated parameters

The mean-variance model for portfolio selection requires estimates of many parameters. This paper investigates the effect of errors in parameter estimates on the results of mean-variance analysis. Using a small amount of historical data to estimate parameters exposes the model to estimation errors. However, using a long time horizon to estimate parametes increasers the possibility of nonstationarity in the parameters. This paper investigates the tradeoff between estimation error and stationarity. A simulation study shows that the effects of estimation error can be surprisingly large. The magnitude of the errors increase with the number of securities in the analysis. Due to the error maximization property of mean-variance analysis, estimates of portfolio performance are optimistically biased predictors of actual portfolio performance. It is important for users of mean-variance analysis to recognize and correct for this phenomenon in order to develop more realistic expectations of the future performance of a portfolio. This paper suggests a method for adjusting for the bias. A statistical test is proposed to check for nonstationarity in historical data.     

基于性能退化的动量轮可靠性建模与评估

为解决长寿命卫星动量轮可靠性评估无失效数据问题,研究基于性能退化的动量轮可靠性建模与评估方法.首先通过失效分析,提出以温度作为动量轮可靠性的特征量.然后利用动量轮温度的遥测数据,建立其温度随时间变化的叠合模型.为解决动量轮试验样本量不足问题,采用Bootstrap仿真方法建立动量轮寿命分布模型,评估其可靠性水平.实例表明,方法能够在无失效数据情况下,利用性能退化数据评估动量轮可靠性,且具有较高精度,为解决无失效数据条件下长寿命卫星动量轮可靠性建模与评估问题提供了一条有效途径.     

Principal differential analysis of the Aneurisk65 data set

We explore the use of principal differential analysis as a tool for performing dimensional reduction of functional data sets. In particular, we compare the results provided by principal differential analysis and by functional principal component analysis in the dimensional reduction of three synthetic data sets, and of a real data set concerning 65 three-dimensional cerebral geometries, the AneuRisk65 data set. The analyses show that principal differential analysis can provide an alternative and effective representation of functional data, easily interpretable in terms of exponential, sinusoidal, or damped-sinusoidal functions and providing a different insight to the functional data set under investigation. Moreover, in the analysis of the AneuRisk65 data set, principal differential analysis is able to detect interesting features of the data, such as the rippling effect of the vessel surface, that functional principal component analysis is not able to detect.     

Data envelopment analysis applied to quality in primary health care

The performance of primary care should ultimately be judged on its effect on the health outcome of individual patients. However, for the foreseeable future, it is inconceivable that the outcome data necessary to come to a judgement on performance will be available. And in any case, specification of the statistical model necessary to analyze outcome is fraught with difficulty. This paper therefore sets out a model of primary care performance which is based on the premise that certain measurable quality indicators can act as proxies for outcome. This being the case, a model of performance can be deduced which takes into account the effect of resources and patient characteristics on outcome. The most appropriate analytic technique to make this model operational is data envelopment analysis (DEA). It is argued that DEA can handle multiple dimensions of performance more comfortably, and is less vulnerable to the misspecification bias that afflicts statistically based models. The issues are illustrated with an example from English Family Health Service Authorities.     

“最小二乘法变点冰水情数据处理算法”的研究与应用

将非线性统计学中的变点分析方法应用于基于空气、冰与水的物理特性差异实现冰水情自动检测过程的现场数据处理中,提出了利用被测物质物理参数的动态变点替代经验阈值来确定空气、冰与水界面位置的"最小二乘法变点冰水情数据处理算法",较好地解决了原始采样数据中奇异值引起误判的工程难题,提高了冰情数据分析的准确度.利用该算法对黄河河道现场冰水情采集数据进行分析,得到了较准确的结果,实现了对冰层生消全过程的自动监测.