基于随机波动模型的沪深股市波动分析——以06,07年度沪深股指为例

基于马尔科夫链蒙特卡罗(MCMC)模拟的贝叶斯(Bayes)分析方法,应用随机波动(SV)模型实证分析06、07年度中国股票市场指数的波动性,并对比沪市与深市的股指,对不同形式的SV模型的参数进行估计,对结论作出合理的解释.     

部分线性变系数模型的Profile Lagrange乘子检验

对于部分线性变系数模型附有约束条件时的估计与检验问题,基于Profile最小二乘方法给出了参数部分以及非参数部分的约束估计并研究了它们的渐近性质,并针对约束条件构造了Profile Lagrange乘子检验统计量,证明了该统计量在原假设下的渐近分布为χ2分布,从而将Lagrange乘子检验方法推广到了半参数模型上.     

部分线性变系数模型中估计的渐进正态性

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用非常广泛的模型,本文基于Profile最小二乘方法给出了模型中参数分量与非参数分量的估计,并在异方差情形下证明了这些估计的渐进正态性.     

基于非对称损失函数的参数设计

本文针对望目特性的正态指标,在非对称的二次质量损失函数下,讨论了参数设计的可行性, 证明田口方法的稳健性设计和灵敏度设计依然行之有效.定义了调整参数,求出了使质量损失最小的数值解,并给出了参数设计的具体步骤.     

ASSESSMENT OF LOCAL INFLUENCE ONCOX'S PROPORTIONAL HAZARDS MODEL

1.IntroductionTheproportionalhazardsregressionmodelisasemiparametricmodel.Theloglikelihoodforthismodelisasumoverrisksets.Theperturbationofoneobservationedictsseveraloftheserisksets.Thus,theassessmentofcaseinfluenceismorecomplexforthismodelthanlinearandgeneralizedlinearmodels.TheglobalialluenceofindividualcaseonregressionparameterestimatesforCox'smodelhasbeenanalysedbyCainandLange[4],ReidandCrepeaull4],etal.TheideaofdtherentiationinsteadofdeletionisprominentinthelocalinduenceapproachofCook[…     

跳汰机的性能及统计模型

在煤用重选设备评定的国际标准（ＩＳＯ９２３）和以之为蓝本的国家标准（ＧＢ／Ｔ１５７１５）中的第一项评定指标“可能偏差”及和其有关的“不完善度”的确定是由以下步骤决定：１．由仅仅一次浮沉试验取得一组数据（一个观察值）并由此计算两段分离所得产品的分配率;２．用手工凭想象中的“Ｓ型曲线”把分配率中的两组６ 至８ 个点联起来得到两条“分配曲线”;３．由这两条粗糙的曲线“量出”各自的２５％ 和７５％ 分位点,以此得到能反映重选设备分离能力好坏的两个指标：“可能偏差”Ｅ和“不完善度”Ｉ,很难想象,这样由一个观察值得到的指标并通过没有模型的手工绘图而得到的结果会有任何实际意义,本文建议利用尽可能多的观察值来拟合ｌｏｇｉｓｔｉｃ回归模型,并依此得到分配曲线和计算出参数Ｅ和Ｉ,本文还利用一组实际数据来说明我们方法的合理性     

拟自适应分类随机森林算法

本文给出了集成学习模型可以收敛的集成学习算法,拟自适应分类随机森林算法。拟自适应分类随机森林算法综合了Adaboost算法和随机森林算法的优势,实验数据分析表明,训练集较大时,拟自适应随机森林算法的效果会好于随机森林算法。另外,拟自适应分类随机森林算法的收敛性确保它的推广误差可以通过训练集估计,所以,对于实际数据,拟自适应分类随机森林算法不需要把数据划分为训练集和测试集,从而,可以有效的利用数据信息。     

适应于纵数据的随机效应模型中参数的局部影响诊断

本根据纵数据既包含个体又包含个体不同状态的特点，针对适应于纵数据的随机效应模型提出两种便于合理分析数据的扰动方案，并给出扰动对参数估计局部影响的各种计算公式和寻找影响点的方法。通过对Ｃａｍｂｒｉｄｇｅ过滤嘴中提取尼古丁含量的实验室间数据进行分析表明我们的分析结果不但包含了以前许多学用不同的方法对这组数据所进行的所有有关影响点方面的分析结果，而且还获得了一些新的结果。     

A Quasi-Residuals Method

1 IntroductionThe heteroscedasticity in regression is widely recognized, and various methods were involved([1-8, 10]).Consider regression modelSince the estimated function g(.) often is bound to be drawn towards the aberrant responses, itis often difficult to tell the difference between an outlier and an ordinary point. In this paper wesuggest an estimator 2(ti) of the residual variance 2 in (1.1) based on a quasi-residual method.Also we suggest a diagnostic plot {ti,2(ti)}, which can identif…