基于粗糙集理论的多维定性变量约简方法

基于粗糙集理论中的属性约简方法,提出了一种基于信息熵进行多维定性变量的约简方法,并进行了实证分析.     

恒等式和不等式中常量与变量的转化技巧

转化是把不熟悉和复杂难解的问题转化为熟知的、简单的或已经解决的问题,将抽象的问题转化为具体的、直观的问题,将一般性的问题转化为直观的、特殊的问题.在解决不等式与函数类问题中,可以利用常量与变量的相对性,逆向思考,变换视角,反客为主,使它们相互转化,从而使问题顺利获解.     

基于云模型的定性运算理论与方法

将定性值像定量值一样参与运算和推导,是定性理论走向真正实际应用必须解决的极为关键的研究问题.相关研究提出的方法在此方面均有一定的局限性.本文提出了一种基于云模型的定性运算理论与方法.首先在云模型基本运算的基础上提出了基于云模型的定性关系演算方法,其次提出了基于云模型的一元一次定性方程的求解方法.理论和方法能比较科学合理地计算出定性值,且具有定性与定量相互融合的特点.为定性演算和推导在系统分析和仿真等领域中进一步应用提供了重要的借鉴方法.     

一类可靠性模型的适定性

研究由一个可靠机器，一个不可靠机器和一个缓冲库构成的生产线．首先对应于此系统的数学模型化为抽象Cauchy问题，然后运用C0-半群理论证明此模型存在唯一的非负解。     

抽样调查中对定性变量之间关联分析的方法选择

在社会和行为科学研究中大量通过抽样调查收集数据并对其进行分析,其中对定性变量之间的关联分析是许多研究项目的重要内容。面对同样的数据有不同可供选择的方法,而方法选取的正确与否,直接关系到研究结果的质量和正确性。本文从所研究变量的性质和研究深度这两个方面考察三大类方法,即:非参数统计、参数统计和关联规则发现方法,指出在不同情况下选择不同方法的思路和原则。这对于项目研究及调查和数据分析服务都具有一定的应用价值。     

生长曲线模型的协变量选择与参数估计

本文研究了生长曲线模型的Ｐｏｔｔｈｏｆｆ－Ｒｏｙ变换，给出了这种变换在矩阵范数最小规则下的最佳选择．进一步本文给出了利用协变量来改进Ｐｏｔｔｈｏｆｆ－Ｒｏｙ变换的途径并研究了协变量的选择及对参数估计的影响．     

一类离散变量的回归模型

在实际工作中,建立离散变量的回归预报方程是一个不可回避的问题。本文采用了将回归模型化成方差分析模型的统计思想,并将正交试验法应用于试验的方案设计,给出了离散变量回归模型参数估计的一种简单的计算方法,讨论了模型的应用,列举了它在生物和成矿预测方面的应用实例。     

生长曲线模型的变量选择

生长曲线模型是一个典型的多元线性模型, 在现代统计学上占有重要地位. 文章首先基于Potthoff-Roy变换后的生长曲线模型, 采用自适应LASSO为惩罚函数给出了参数矩阵的惩罚最小二乘估计, 实现了变量的选择. 其次, 基于局部渐近二次估计, 对生长曲线模型的惩罚最小二乘估计给出了统一的近似估计表达式. 接着, 讨论了经过Potthoff-Roy变换后模型的惩罚最小二乘估计, 证明了自适应LASSO具有Oracle性质. 最后对几种变量选择方法进行了数据模拟. 结果表明自适应LASSO效果比较好. 另外, 综合考虑, Potthoff-Roy变换优于拉直变换.     

带有多重分类变量的潜变量模型的可识别性

潜变量模型是一种广泛应用于表征多个观察变量之间相关性的统计方法.在刻画多重分类数据关联性方面,这类模型通常假定每个分类变量都与一个潜在连续变量或向量相联系,通过潜变量或向量在窗口部分的观察值来确定分类变量的值,从而达到对类别界定.然而该方法存在一个弱点:观察似然或模型存在确定性问题.模型缺乏识别性必然会对估计构成影响....     

响应变量随机缺失下变系数模型的变量选择

In this paper,we present a variable selection procedure by combining basis function approximations with penalized estimating equations for varying-coefficient models with missing response at random.With appropriate selection of the tuning parameters,we establish the consistency of the variable selection procedure and the optimal convergence rate of the regularized estimators.A simulation study is undertaken to assess the finite sample performance of the proposed variable selection procedure.     

散度偏大计数数据回归模型的变量选择与模型比较

讨论了具有散度偏大特征计数数据的建模与拟合问题.针对导致数据散度偏大的原因和常用的几类候选模型的结构,分别给出了关于嵌套模型的模型与变量同时选择的Bayes方法和关于非嵌套模型的模型检验与比较方法,并在此基础上进一步完善,提出了较为系统完整的模型与变量选择方法.实际例子说明了方法的具体实现过程和有效性.     

协变量含误差下广义线性模型的SEE变量选择

利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质.     

内生性协变量下广义变系数模型的工具变量估计

在模型的部分协变量为内生性协变量的情况下,考虑广义变系数模型的一类估计问题.通过结合基函数逼近和一些辅助变量信息,提出了一个基于工具变量的估计过程.并得到了估计的相合性和收敛速度等渐近性质.所提出的估计方法可以有效地消除协变量的内生性对估计精度的影响,并且具有较好的有限样本性质.     

双变量概型概率与线性规划模型的构建

<正>引例北师大版教材必修3第三章第3节,P_(152)模拟方法—概率的应用‘问题提出’.小明家的晚报在下午5:30—6:30之间任何一个时间随机地被送到,小明一家在下午6:00—7:00之间任何一个时间随机地开始晚餐,问晚报在晚餐开始之前送到的概率?     

一类基于属性变量的DEA模型

系统评价不仅应重视系统的经济特征,还必须重视系统的非经济特征.在评价系统的非经济特征时必须考虑属性变量,即不能以货币衡量的反映系统非经济特征的定量变量.在过去关于DEA的研究中并未涉及到这种变量.本文对属性变量进行了明确的定义,并提出一种基于属性变量的DEA效率评价模型,最后通过实例演示了模型的合理性.     

联合广义线性模型中的变量选择

在联合广义线性模型中,均值和散度参数都被赋予了广义线性模型的结构,本文主要考虑该模型的变量选择问题. 文章利用扩展拟似然函数,提出了一个适用于联合广义线性模型的新的变量选择准则(EAIC),该准则是Akaike信息准则的推广.论文通过模拟研究和一个实例分析验证了该准则的效果.     

高维回归模型的Fiducial变量选择

本文提出一种基于Fiducial推断的模型不确定度量,给出基于Fiducial边际似然的高维线性回归变量选择方法改进ε-容许集(ε-admissible set, EAS)方法.在传统的稀疏性假设下,本文证明该方法所选择的最优模型具有相合性.此外,本文还建议使用一种快速的算法来挑选阈值参数.本文通过模拟研究验证了所提出方法的优越性,并使用所提出的方法分析了一个真实数据案例.     

带有变量中误差的线性模型

本文介绍带有变量中误差(Errors-in-Variables-EV)线性模型的定义,模型的可识别性及模型的参数估计等问题。     

删失回归模型中的变量选择

在一个删失回归模型("Tobit"模型)中,我们常常要研究如何选择重要的预报变量.本文提出了基于信息理论准则的两种变量选择程序,并建立了它们的相合性.     

高维混料模型的LASSO变量选择

变量选择是统计建模中重要的问题。当试验数据维数很高时,传统变量选择方法的应用受到了很多制约。本文以高维混料试验为基础,比较了AIC准则和LASSO在变量选择问题上的优良性。通过实例验证,LASSO可以快速且准确地对高维混料模型中的变量进行筛选,从而得出最优模型,达到降低成本、提高利益的目的。