弱相依半参数回归模型的加权小波估计的渐近正态性

本文研究了半参数回归模型y_i=X'_iβ+g(t_i)+e_i,i=1,2,···,n,其中{e_i}为ψ-弱相依随机误差序列.利用小波估计的方法得到了参数、非参数的加权小波估计量.在相当一般的条件下,获得了这些小波估计量的渐近正态性,不仅推广了半参数回归模型的相应结果,而且在一定程度上统一了相依半参数回归模型的渐近正态性的理论.     

形变张量的特征值与Boussinesq方程组的正则性估计

讨论了二维及三维满足周期边界条件的Boussinesq方程初边值问题的局部正则解在有限时间内爆破的可能性.在二维情况下,用形变张量的特征值给出温度梯度的L2估计,从中看出若流体微团变形的速率大,则解爆破的可能性就大.在三维情况下,用形变张量的特征值和温度的偏导给出涡量的L2估计,从中发现若流体微团在大部分时间内一般是平面拉伸,且温度的偏导较小时,解爆破的可能性就大;若一般是线性拉伸,温度的偏导又不任意增大时,解爆破的可能性就小.     

GARCH(1,1)模型的稳健估计比较及应用

首先阐述了GARCH(1,1)模型稳健估计的构造方法,然后在模型有无异常值扩散效应约束和异常值比例不同的情况下,比较了传统QMLE估计和多种稳健M估计的表现,结果表明:在数据无异常值下,QMLE估计较优;随着异常值比例增加,稳健Andrew估计表现更好;模型施加异常值扩散效应约束对估计有一定改善但不显著.最后选取波动程度不同的两个阶段沪深300指数的收益率,用模型拟合进行了实例比较,在波动程度较大时,Andrew估计效果较优,在波动相对平稳时,LAD估计较优.     

基于果蝇算法优化广义回归神经网络的矢量水听器的DOA估计

为了提高矢量水听器阵列对窄带信号的DOA估计精度,运用果蝇算法优化广义回归神经网络,通过对阵列协方差矩阵实值化,并提取信号子空间的基作为样本特征进行网络训练,构建了果蝇算法优化下的广义回归神经网络,实现了基于矢量水听器阵列的水下声源的DOA估计.仿真实验结果表明,方法泛化性能较好,能解决输入维数过大的问题,且运行时间短,DOA估计精度高,具有较强的工程应用价值.     

基于回归分析方法下公共交通对经济增长的影响分析

随着社会经济的发展及人们环保意识的不断增强,公共交通事业的发展及其投资力度不断加大,公共交通在给人们带来方便的同时也在带动着经济的发展.通过扩展的生产函数模型,采用普通最小二乘方法对2003-2012年间的公共交通数据进行估计分析,并找出有异常值的样本点,然后利用稳健MM估计方法进行估计,结果表明公共交通变量对经济的影响具有正相关作用.     

基于极值分布下混合联合位置与散度模型的参数估计

极值分布在金融工程、气象工程和其他领域中都有重要用途,本文提出基于极值分布下的混合联合位置与散度模型,通过EM算法给出该模型参数的极大似然估计.最后,通过随机模拟和实例研究说明该模型和方法是有用和有效的.     

一阶自相关结构下椭球线性混合效应模型的约束推断（英文）

本文在椭球分布族下研究一阶自相关线性混合效应模型的约束极大似然估计问题.分别考虑位置参数在等式和不等式线性约束这两种情况下的极大似然估计值.同时对约束条件下的兴趣参数给出三种渐近等价的检验方法.蒙特卡洛模拟说明本文方法的有效性和稳健性.本文结合模型对Framingham心脏研究中的胆固醇水平进行了分析.     

小样本定数截尾场合下威布尔和对数正态分布的拟合检验

本文给出了小样本定数截尾场合下两参数威布尔分布和对数正态分布的拟合检验方法,该方法还适用于一般的位置-刻度参数族分布,论文还通过实际算例说明方法的可行性。     

线性模型中广义最小二乘参数估计误差分布的稳健性研究

研究了线性模型中广义最小二乘参数估计的误差分布稳健性问题.首先讨论了在线性统计模型里,设计矩阵为列降秩矩阵时,模型中给出了误差最大分布类,当误差向量的分布在此范围内变动时,LS估计和GLS估计在均方误差矩阵准则下是最优估计.然后进一步探讨广义最小二乘估计GLSE关于误差分布的稳健性,求出误差项所对应的最大分布族,进而证明了在该区间波动情况下,误差向量对应的始终为一致最优解.     

促进深度学习的专题复习教学*——以“碳及其化合物”为例

以促进学生的深度学习为基本理念,围绕“自然界的碳循环”“大气中CO₂的控减排”“化学家们合成的新型碳家族成员”等板块,设计并成功实施系列情境问题,在系列问题的讨论、分析、解决过程中帮助学生建构“碳”家族成员间相互转化的知识网络,提高学生思维的纵深度,引发高阶思维,促进深度学习。