两个线性模型间最优线性无偏预测的等价性

设M1和M2是两个带有预测量的线性模型,通过使用矩阵秩方法,本文给出了模型M1下预测量的最优线性无偏预测同时也是模型M2下的最优线性无偏预测的充分必要条件.作为这个结果的应用,我们给出了两个线性混合模型间最优线性无偏预测等价性的充分必要条件.     

有限总体中基于广义Liu 估计的预测及其小样本性质

在有限总体中提出了一类基于广义Liu估计的新的预测,得到了基于广义Liu估计的预测在预测均方误差意义下优于最优线性无偏预测的充要条件,并通过实例对理论成果进行了进一步的说明.     

线性等式约束下有限总体中的最优预测

本研究了带线性等式的约束条件的有限总体中的最优预测问题,给出了条件可预测变量和条件最优线性无偏测的定义,得到了条件可预测变量的所有条件最优线性无偏预测,并证明了它在几乎处处意义下的唯一性。     

增长曲线模型中两个最优线性预测

对一般增长曲线模型中一类线性可预测变量KY0L和φ-可预测变量的最优预测进行了研究，在一定条件下分别得到了最优线性无偏预测和最优φ-线性无偏预测，并证明了它们在几乎处处意义下的唯一性．     

任意秩有限总体中无偏预测和估计的构造关系

研究了有限总体均值向量的无偏估计和线性可预测变量的无偏预测之间的关系,利用分块矩阵广义逆直接对加权风险函数进行分解,提出了一种由均值向量的无偏估计来构造无偏预测的新方法,并找到了它们之间的构造关系.特别地,线性可预测变量的最优线性无偏预测(BLUP)可由均值向量的最佳线性无偏估计(BLUE)惟一地表示(有关惟一性在几乎处处意义下理解).     

任意秩多元线性模型中的最优预测

本文研究了任意秩多元线性模型中可预测变量的最优预测,特别地,我们考虑了一类特殊的预测函数,Φ－线性预测函数,给出了Φ－可预测变量和最优Φ线性一无偏预测的定义,得到了Φ－可预测变量的最优Φ－线性无偏预测,并证明了它在几乎处处意主意义下的唯一性。     

多元线性模型中条件最优预测的稳健性

研究了多元线性模型中条件最优线性无偏预测的稳健性问题,得到了条件线性可预测变量的这种预测关于协方差矩阵具有稳健性的充要条件.     

一般生长曲线模型中最优预测的稳健性

研究了一般生长曲线模型中最优线性无偏预测的稳健性,得到了线性可预测变量的这种预测关于协方差阵具有稳健性的充要条件.     

平衡损失下回归系数最优线性无偏估计的相对效率

本文研究了一般Gauss-Markov模型中回归系数的最优线性无偏估计的相对效率问题.利用Lagrange乘数法,获得了回归系数的最优线性无偏估计.并在此基础上定义了最优线性无偏估计的两种相对效率.     

多元线性模型中随机回归系数和参数的最优估计

本文研究了一般的随机效应多元线性模型中线性可估函数的最优线性无偏估计。特别地 ,考虑了一类特殊的估计 :Φ-线性估计 ,给出了 Φ-线性可估函数和最优 Φ—线性无偏估计的定义。得到了 Φ-线性可估函数的最优Φ—线性无偏估计 ,并证明了它在几乎处处意义下的唯一性     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

最优组合预测的短期气候预报建模研究

以预报量序列建立均生函数短期气候预报模型及根据500hPa月平均高度场预报因子分别建立的BP网络模型、回归预报模型为基础,用"误差绝对值和最小"作为最优准则,建立月平均降水量的短期气候组合预测模型.采用线性规划方法计算得到组合预测模型的各权系数,对这种短期气候组合预测模型的预报能力进行了分析研究,结果表明,该组合预测模型的预报精度优于各子方法,具有很好的应用价值.     

有限总体中的最优预测

研究了有限总体中的最优预测问题,在一般Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下得到了线性可预测变量的最优线性无偏预测,特别地,考虑了一类特殊的预测函数：ｂ－线性预测函数。     

Optimisation of linear unbiased intensity estimators for point processes

A general non-stationary point process whose intensity function is given up to unknown numerical factor λ is considered. As an alternative to the conventional estimator of λ based on counting the points, we consider general linear unbiased estimators of λ given by sums of weights associated with individual points. A necessary and sufficient condition for a linear, unbiased estimator for the intensity λ to have the minimum variance is determined. It is shown that there are “nearly” no other processes than Poisson and Cox for which the unweighted estimator of λ, which counts the points only, is optimal. The properties of the optimal estimator are illustrated by simulations for the Matérn cluster and the Matérn hard-core processes. This research was partially supported by Grant Agency of Czech Republic, project No. 201/03/D062.     

我国省域人口的时序预测模型的选择——基于预测精度、偏差和不确定性的分析

人口预测作为区域规划和政策决策的依据对于区域经济社会可持续发展有重要理论价值和现实意义.目前已有不少学者使用时序模型进行了人口预测,但从预测精度、偏差和不确定性角度考虑时序模型选择的研究几乎没有.利用ARIMA模型对我国部分具有代表性的省域进行人口预测的基础上,探讨了不同基区间、临界年及预测区间等条件下人口最优时序预测模型选择的一般性规律.研究发现,一些ARIMA模型能提供相对精确的结果,另一些则不能;线性与非线性模型在预测精度上有较大差异;历史数据长短可能导致选择不同的模型;不同精度视角下的模型选择有较强一致性,但也有一定程度的不确定性.     

Multivariate time series modeling,estimation and prediction of mortalities

We introduce a mixed regression model for mortality data which can be decomposed into a deterministic trend component explained by the covariates age and calendar year, a multivariate Gaussian time series part not explained by the covariates, and binomial risk. Data can be analyzed by means of a simple logistic regression model when the multivariate Gaussian time series component is absent and there is no overdispersion. In this paper we rather allow for overdispersion and the mixed regression model is fitted to mortality data from the United States and Sweden, with the aim to provide prediction and intervals for future mortality and annuity premium, as well as smoothing historical data, using the best linear unbiased predictor. We find that the form of the Gaussian time series has a large impact on the width of the prediction intervals, and it poses some new questions on proper model selection.     

二次损失下带线性等式约束的线性模型中的线性预测的可容许性

本文针对带线性等式约束的线性模型 ,在二次损失下研究了线性预测的可容许性 ,得到了条件线性可预测变量的线性预测 Lys(Lys+ a)是可容许线性预测的充要条件。     

具有连续参数齐次随机场的线性预测与马氏性

本文研究了具有连续参数齐次随机场的3个类型的线性预测问题和两个类型的马氏性问题,并用这3个类型的预测问题的研究结果及[1]的方法,求出了这两个类型的马氏性问题具有马氏性的充分条件和充分必要条件.且深化了[1]中结果.     

基于支持向量回归和核岭回归对血糖值预测的对比分析

为了对比支持向量回归(SVR)和核岭回归(KRR)预测血糖值的效果,本文选择人工智能辅助糖尿病遗传风险的相关数据进行实证分析.首先对数据进行预处理,将处理后的数据导入Python.其次,为了使SVR和KRR的对比结果具有客观性,使用了三种有代表性的核方法(线性核函数,径向基核函数和sigmod核函数).然后,在训练集上采用网格搜索自动调参分别建立SVR和KRR的最优模型,对血糖值进行预测.最后,在测试集上对比分析SVR和KRR预测的均方误差(MSE)和拟合时间等指标.结果表明:均方误差(MSE)都小于0.006,且KRR的MSE比SVR的小0.0002,KRR的预测精度比SVR更高;而SVR的预测时间比KRR的少0.803秒,SVR的预测效率比KRR好.