数量特征的随机化回答随机变量加法、乘法模型——随机化调查方法Ⅵ

本文介绍随机化调查中的加法、乘法模型 ,此二方法可用于估计被调查的敏感量的分布或期望值等 ,本文仅论及估计期望值的有关公式     

连续变量隐私问题的随机化回答模型

本文讨论连续变量隐私问题的抽样调查方法,建立了两个随机化回答模型,并在上述模型下给出总体均值的无偏估计、估计量的方差及方差的估计量     

数量特征的随机化回答随机变量加法、乘法模型

本文介绍随机化调查中的加法、乘法模型,此二方法可用于估计被调查的敏感量的分布或期望值等,本文仅论及估计期望值的有关公式。     

数量特征敏感性问题随机化回答的改进模型

研究数量特征敏感性问题的调查方法,设计了一种数量特征敏感性问题的随机化回答改进模型,计算了改进模型的估计量及其方差,并对改进模型进行了分析,得出改进模型具有较好的精度．     

数量特征敏感性问题随机化回答的改进模型

研究数量特征敏感性问题的调查方法,设计了一种数量特征敏感性问题的随机化回答改进模型,计算了改进模型的估计量及其方差,并对改进模型进行了分析,得出改进模型具有较好的精度。     

Logistic阻滞增长模型的稳定性与混沌

将Logistic阻滞增长模型的差分形式简化，讨论了它的稳定性，用计算机进行迭代求解。模拟了这一简单差分方程从收敛，分叉，2^n倍周期收敛进入混沌现象的过程。直观地展示了序列{yk}收敛，2倍周期，4倍周期……直至混沌的现象，这对Logistic阻滞增长模型的应用和混沌现象的模拟有很好的参考价值。     

数量特征的随机化回答模型(上)——随机化调查方法V

本文介绍数量特征随机化调查方法 ,由于篇幅分 (上 ) ,(下 )两期刊出 ,上篇介绍无关模型 ,转换模型 ,随机截尾模型     

一个离散种群模型的稳定性判据

定理假定(?)是x_i 1=g(x_i)的满足((?)-x)(g(x)-x)>0,(x≠(?))的平衡点,且在(?)的邻域内有g(g(x))-x=A_1(x-(?)) … A_n(x-(?))~n …,那么:(1)若A_1=A_2=…A_n-1=C A_n≠0则n为奇数;(2)若(1)成立,则(?)渐近稳定的充要条件是A_2k 1<0(n=2k 1);(3)(?)稳定但不吸引的充要条件是所有A_i=0(i=1,2,…).     

数量特征敏感性问题调查的两个随机化回答模型

研究数量特征敏感性问题的抽样调查,设计了基于离散均匀分布和均匀分布的两个随机化回答模型     

21世纪海上丝绸之路沿线港口体系演化研究——基于Logistics、Lotka-Volterra模型

港口体系演化研究揭示21世纪海上丝绸之路沿线港口的发展规律,为我国相关企业海外港口投资提供决策支持,进而为我国“海上丝绸之路”战略的具体实施提供理论依据。本文利用生态种群演化相关理论,选取东南亚港口为数据样本来研究港口体系演化过程,研究发现港口规模演化趋势符合Logistics演化规律,2008年时增长速度达到峰值,2013年海上丝绸之路沿线港口体系进入衰退期,2030年左右港口体系规模将达到极限值;建立双种群增长的Lotka-Volterra模型和多种群增长模型研究新加坡港、巴生港、柔佛、槟城、丹戎帕拉帕斯的相互关系和演化趋势,提出我国在与这些港口合作时需要依据这种关系和演化趋势去统筹协调,才能达到效益最大化。     

A Hybrid Logistic Model for Case-Control Studies

For logistic regression in case-control studies, when risk factors associated with the outcome are exceedingly rare in the control group, the estimation of parameters in the model becomes difficult. In this paper, we propose a two-stage hybrid method to achieve this. In the first stage, we model the risk due to the rare factor, and in the second stage we model the residual risk due to the other factors using standard logistic model.     

Gompertz模型和Logistic模型的拟合

常见的三参数 S形生长模型有 Gompertz模型和 L ogistic模型 .它们在拐点处的坐标、导数与它们的参数是能够相互唯一确定的 .当利用拟事隐函数曲线的 GNL 法对这两种模型进行最小二乘拟合时 ,可根据这一性质对单个未线性化参数的初始值进行搜索 .有时也可对该初始值直接进行搜索 .最后以几个实例成功地对这种算法进行了验证     

A Bayesian Model to Predict Saturation and Logistic Growth

This paper formulates a Bayesian model to predict growth and eventual market saturation of a recently introduced (and possibly expensive) consumer-durable product. The mathematical model assumes that each new buyer buys only one item of the product, that the number of new buyers of the product in the next period of time is influenced by the current number of non-buyers and that the probability an individual will buy is the result of a diffusion of news among satisfied buyers. The solution of the prediction problem includes a two-stage Bayesian updating formula which first revises the prior distribution of market saturation based on the most recent number of new buyers and then, conditional on the saturation level, computes the predictive distribution of new buyers in future time-periods.     

Logistic模型的改进——双S形曲线模型的研究

在Logistic模型的基础上,对一类空间饱和容量会随着时间发生变化的问题进行了讨论,指出了Lo-gistic模型应用在这类问题上的局限性,建立了解决该类问题的双S形曲线模型.对一组实际数据进行了拟合,结果表明双S形曲线模型能够更好地刻画实际问题,相对准确地预测未来的发展趋势.     

Logistic回归模型的影响分析

Logistic回归模型的影响分析是Logistic回归诊断研究中的重要内容。常用的分析方法都是轮换地删除数据点后的逐步判断,而这个判断的过程主要体现在模型的诊断图上。鉴于此,通过构造诊断统计量来有效地开发诊断图成为影响分析的核心内容,并由此能较为准确地探寻出模型的强影响点。本文通过对Logistic回归模型帽子矩阵的分解以及对轮换地删除数据点后的系数估计的相对变化量进行加权,得出Logistic回归模型诊断图使其能比传统的诊断图更准确地判断出模型的强影响点。     

Logistic回归模型的统计诊断

统计诊断的主要任务就是通过诊断统计量检测已知观测数据在用既定模型拟合时的合理性,主要是找出数据当中的异常点或强影响点。本文主要研究Logostic回归模型的诊断统计量和诊断统计图。用牛顿迭代法给出Logistic回归模型的极大似然估计值,根据扰动模型得到传统的诊断统计量,结合残差、杠杆值和系数变化三者构造新的诊断统计量,绘制新的诊断统计图,通过模拟研究说明新的诊断统计量的有效性,最后用一个实际案例说明新的诊断方法的应用并进一步验证其优越性。     

成分数据的logistic回归模型研究

由于成分数据的定和约束,使得不能直接用经典的统计方法对其进行回归建模。本文基于log-ratio等一系列变换,建立了带有等式约束的成分数据的logistic回归模型,并将其应用于肠道菌群和2型糖尿病的关系的研究中。数值模拟与实证结果表明,本文所提出的模型有良好的表现。     

一种估计Logistic模型参数的方法及应用实例

分析了Logistic函数的解析性质,得到了曲线上三个关键点和三个不同的增长阶段,利用差分和最小二乘法,给出了Logistic模型的一种便于使用的参数估计方法．并通过实例,建立Logistic模型对我国城镇居民家庭平均每百户彩色电视机拥有量的增长变化趋势进行了分析和预测．     

一类具有Logistic增长和病程的SIR模型

研究具有Logistic增长和病程的SIR流行病模型.运用微分、积分方程理论,得到再生数R0<1时,无病平衡点E0是全局渐近稳定的;而当R0>1时,地方病平衡点E*是局部渐近稳定的.