采用二叉树编码的遗传算法实现数据拟合

针对采用数值分析方法进行数据拟合求解复杂度高、运算最大而精度较低的缺陷 ,本文给出一种基于二叉树编码的遗传算法来进行数据拟合 ,取得了较好的效果     

基于实数编码的免疫遗传算法研究

针对标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷，在免疫遗传算法的基础上提出了基于实数编码的免疫遗传算法(RIGA)。研究表明，RIGA对SGA的改进是有效可行的，显示出稳健的全局优化、计算量少而解的精度高等特点，具有较高的应用价值。     

基于二叉树的遗传算法求解设施平面布局优化

针对设施布局优化问题,使用二叉树的顺序遍历结构,结合设施顺序、相互关系及位置等因素形成新的染色体编码形式.以设施相邻性和随机原则相结合产生初始解,针对染色体的三段编码分别进行遗传操作,运用动态原则和反馈机制改进算法的惩罚函数.通过典型案例验算表明,本论文提出的算法在寻优效果和执行效率上有一定地改善.     

用Excel软件实现最大似然估计数值计算的方法

本文给出用Excel软件实现最大似然估计数值计算求解的方法。内容包括对似然方程求数值解、直接对似然函数或对数似然函数求极大值以及分组数据最大似然估计的数值计算。     

求解线性模型稳健参数估计的整数编码遗传算法

线性模型回归系数的一些稳健估计如LMS、LQS、LTS、LTA的应用越来越广泛,然而它们的精确计算依赖于NP难题,在遇到高维大规模数据集时不可能在较短时间内得到精确解.为尽快得到较高精度的近似解,提出了求解线性模型的稳健参数估计的整数编码遗传算法,通过计算机模拟试验验证了算法可以更快地找出全局最优解.     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

指数总体删失数据的极大似然估计

对取自均值为λ的指数分布的缺失数据,在完全随机缺失、右删失、非随机缺失三种缺失机制下,分别推导了参数的极大似然估计,并做了随机模拟.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.     

缺失数据下非线性EV模型参数的经验似然置信域

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性EV模型.通过利用核实数据, 构造了未知参数的两种经验对数似然比统计量. 证明了所构造统计量的分布渐近于χ²分布, 所得结果可以用来构造未知参数的渐近置信域.     

关于区间数据的分布函数估计问题

随机变量的区间观察值是指在随机试验中，我们只知道随机变量X是否落入某个可以观察的区间(TL，TR](该区间可以是来自某个已知或未知的二维分布)，但不知道随机变量X的具体观察值．这类问题不同于以往讨论过的左截断，右截断或双侧截断问题．本文将所见到的一些有关分布函数方面的研究成果作了一个简要介绍，同时也给出了作者的最新研究结果．     

有时间窗装卸问题的多策略分组编码遗传算法

根据有时间窗装卸问题(PDPTW)的数学模型,设计了多策略分组编码遗传算法,将禁忌思想用于产生可行解的启发式插入算法之中,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.     

无失效数据的统计分析：修正似然函数方法

本文对无失效数据提出了一个种新的分析方法：修正似然函数方法，并把它应用于指数分布和Ｗｅｉｂｕｌｌ分布的参数估计。     

多重Ⅱ型删失数据的近似似然函数及应用

多重Ⅱ型删失数据是一种很常见的数据删失类型，处理起来也非常困难，本文获得了多重Ⅱ型删失数据的一种近似似然函数，并证明了在大样本场合下，这种近似与似然函数是等价的。基于该近似似然函数，求得了参数的近似极大似然估计与近似Bayes估计，并讨论似极大似然估计的性质。     

删失数据下医药费用的经验似然估计

生存时间数据删失问题是医药费用统计推断的一大难点,本文针对可以获得费用历史信息的情形,提出了在删失数据下医药费用的经验似然估计方法,给出在一定置信水平下感兴趣参数的置信区间.通过模拟,比较了在不同样本量下本文提出的方法与已有方法的表现,结果是我们的方法得到的置信区间更短,估计效果更好.同时,我们也针对一项心脏病实验的实际数据进行了相关分析和比较,得到满意的结果.     

纵向数据下部分线性模型的经验似然推断

考虑纵向数据下部分线性模型,研究了回归系数和基准函数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应兴趣参数的置信域和区间. 此外,利用经验似然比函数得到了回归系数和基准函数的最大经验似然估计,并且证明了所得估计量的渐近正态性.模拟研究比较了经验似然与正态逼近方法的有限样本性质,并进行了案例分析.     

基于高频数据的GARCH模型拟极大指数似然估计

基于拟极大指数似然方法,本文研究了利用日内高频数据来估计日频GARCH模型的参数.已有的相关研究均假定GARCH方程中常数项是给定的,限制了方法的广泛应用.本文基于常规的GARCH(1,1)模型框架,针对模型全部参数给出了两步估计方法,讨论了估计量的理论性质.针对不同的波动率替代,文章也给出了最优波动率替代选择标准.模拟研究和实证研究表明所提估计方法有很好的表现和一定的应用价值.     

核实数据下非线性半参数EV模型的经验似然推断

考虑带有协变量误差的非线性半参数模型,借助于核实数据,本文构造了未知参数的三种经验对数似然比统计量,证明了所提出的统计量具有渐近X2分布,此结果可以用来构造未知参数的置信域．另外,本文也构造了未知参数的最小二乘估计量,并证明了它的渐近性质．仅就置信域及其覆盖概率的大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣．     

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.     

纵向数据下部分非线性模型的广义经验似然推断

本文研究了纵向数据下部分非线性模型中未知参数的置信域的构造.利用经验似然方法,构造了非线性函数中未知参数的广义对数经验似然比统计量,证明了其渐近于卡方分布.同时,得到了未知参数的最大经验似然估计,并证明了其渐近正态性.     

核实数据下响应变量缺失的线性EV模型经验似然推断

考虑响应变量随机缺失而协变量带有误差的线性模型,借助于核实数据和借补方法,构造了回归系数的两种经验似然比,证明了所提出的估计的经验对数似然比渐近于一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整经验对数似然比渐近于自由度为p的χ2分布,该结果可以用来构造未知参数的置信域.此外,我们也构造了响应均值的调整经验对数似然比统计量,并证明了所提出的统计量渐近于x2分布,可用此结果构造响应均值的置信域.通过模拟研究比较了置信域的精度及其平均区间长度.