Logistic模型中参数的估计

本文得到Ｌｏｇｉｓｔｉｃ模型中参数ａｉ、ｂｉ 的一种便于使用的估计公式,在样本容量较小及精度要求不高时用作试题参数的估计是合适的,也可作为联合极大似然估计中的初始值     

Logistic模型中参数的MCP估计

由于高维数据的稀疏性,导致高维空间中的数据处理方法与低维空间中存在显著差异,合理的变量选择方法是解决高维数据问题的一个前提.从理论方面探讨Logistic模型中参数的MCP方法的Oracle性质,证明了MCP估计具有良好的理论性质.在搜索引擎广告转化率预测模型中,对比了几种不同变量选择方法的预测效果.结果表明MCP方法在处理高维稀疏数据时,准确率最高.通过方法筛选出若干显著影响广告转化率的特征变量,为广告主制定广告策略提供相应的理论依据.     

Logistic和Lotka-Volterra模型参数的灰色估计方法研究

根据灰色系统建模原理,对Logistic模型中的参数进行了估计,将此方法应用于Gause(1934)草履虫实验数据的拟合,并与已有拟合结果对比,说明此方法是有效的.然后将其推广至两种群的Lotka—Volterra模型参数的确定,来研究山西省人口—经济系统的发展演化状况,得出了满意的结果.     

一种估计Clayton模型中关联参数的方法

在右删失情形下,基于二元风险函数的核估计,我们对Clayton模型中的关联参数给出了一种新的估计方法.新的估计量具有相合性和渐近分布,随机模拟也显示这种估计方法是非常有效的.     

Logistic回归模型的一种改进弹性网估计

为提升Logistic回归模型在分类问题上的应用表现,本文将自适应Lasso和自适应Ridge结合,建立双重自适应弹性网.双重自适应弹性网同时具有oracle性质和自适应分组效应,这确保了它在一定的假设前提下,能有效估计参数和准确选取重要变量,进而使所建立的Logistic回归模型变得简而精.模拟和实例分析表明,双重自适应弹性网适用于具有自适应分组效应的中度或高度相关情形,其提升Logistic回归的表现等同于或高于弹性网及其部分改进法.     

一种Logistic模型参数估计的新方法及应用

介绍了logistic曲线参数估计的一种新方法,它是利用三次样条插值函数求导代替logistic曲线在这一点的导数值,进而利用最小二乘法得出参数的估计值,通过实例分析表明本文提出的方法比一般的三点法估计的参数值k再用线性化方法估计的参数值b,c,拟合精度更高.     

Logistic模型参数估计及预测实例

本文提出了对Ｌｏｇｉｓｔｉｃ模型中的参数进行迭代估计的新算法，通过比较分析，说明了本文算法的有效性。     

线性混合模型参数的一种新估计

线性混合模型的未知参数分两类, 一类是固定效应, 一类是方差分量. 提出了固定效应和方差分量的一种新估计, 称为谱分解估计, 并证明了新估计的一些重要统计性质. 新估计的突出特点是, 固定效应的估计是具有良好统计性质的线性估计. 新方法被应用于经济、金融和 机械测量方面的两个重要模型, 所得到的估计都具有很好的统计和实用意义.     

一种半参数ROC曲面估计方法

ROC曲面是诊断医学统计学里评估有多类诊断结果的诊断测试方法准确性的一个重要工具,也是近年来的一个研究热点.本文提出一种半参数的ROC曲面估计方法.该方法可以借助于许多统计软件里的逻辑斯蒂回归程序进行计算,所以它的实施较为方便.相关统计模拟显示,本文提出的方法与传统的非参数方法相比,有效性得到了显著提高.而与参数方法相比,当参数模型假设是正确时仍比参数方法有略高的有效性;而当参数模型假设不正确时,本文提出的半参数方法明显优于参数方法.     

回归模型参数的距离估计方法

本从二次可积函数类出发,设计了函数或向量函数的距离,导出了可 微函数方程或方程组的d解,利用d解给出可微函数方程或方程组的回归模型参数的距离估计式。