概率回归估计法在三化螟长期预报中的应用

概率回归估计法又称多因子综合概率预报法.它是通常线性回归分析方法的一个发展,其预报方程仍是线性回归方程,但其预报的不是预报量的数值,而报的是预报对象 y出现在某一级的概率.它的基本思想是:如果预报对象 y 出现在某一 n_0级的概率最大,     

预报因子选择的条件数方法及其在台风强度预报中的应用

选择合适的变量是建立多元线性回归方程的重要问题.以减弱诸多变量之间的复共线性为目标,采用条件数分析方法选择多元回归模型的自变量.最后以西北太平洋海域2001-2011年5-7月的台风强度为研究对象,利用条件数方法建立预报方程进行预报试验,并进一步将该预报方法与逐步回归方法进行对比分析.     

统计线性模型(Ⅲ)

三、统计线性模型的善本假定3-1.一元线性回归分析 统计线性模型是一个比一元线性回归模型要广泛得多的模型,理论上有不少重要的具有实际意义的结果.为便于理解与掌握统计线性模型,我们还是先从大家较为熟悉的一无线性回归模型谈起. 1°.基本假定 设N个随机变量Y1,Y2,…,YN具有如下结构:其中 x1,…,xN是N个已知常数, e1,…,eN是N个随机变量,它们相互独立,具有相同的分布N(0,σ2).而a,b以及σ2是未知参数. 2°.对基本假定的说明 (3-1)式也可改写为如下的形式: 设N个随机变量Y1,Y2,…,YN,它们相互独立,Yi-N(a+bxi,σ2),(i= 1,2,…,N).…     

线性边界下两步保费率风险模型的Gerber-Shiu罚金函数

在经典复合泊松模型的基础上,研究线性红利边界下两步保费率风险模型的Gerber-Shiu贴现罚金函数.根本目的是推导出它的微积分方程和偏微积分方程.同时给出了线性红利边界下Lundberg基本方程;利用Laplace变换求出了最终破产概率.     

医学研究中标准曲线修正的初探

目的:在医学研究和临床检验中经常使用定量检测法,在该方法中标准曲线被广泛应用,且其准确性直接影响检测结果.从统计学角度对其进行修正,使结果更为可靠.方法:应用直线回归法对直线型标准曲线进行处理,求出直线回归方程;对曲线型标准曲线,先将指数方程取对数后变成直线方程,然后求直线回归方程后再回代,求出曲线回归方程.结果:以蛋白量与其对应的OD值间关系求得直线回归方程y=0 .0 0 6x;以TNFα浓度与对应的OD值间关系求得指数回归方程y=0 .0 1 5 x0 .732 ,对两者进行F检验,回归效果均极显著.结论:应用回归法可获得定量检测法中常用的直线型及曲线型标准曲线的方程,据此可直接计算出待测样本所需数据,使其更为简便、准确、可靠.     

常用大气污染预报模式的应用及比较分析

针对丹东市采暖期SO2污染的实际情况及气象因子的关系,建立了逐步回归、偏最小二乘回归、主成分回归和BP神经网络等4种常用的大气污染预报模式,并在实际预报中进行了模拟、试报和应用,结果发现,各个模式模拟值与实际值的变化趋势基本一致,BP神经网络方程和偏最小二乘回归方程的预报值与实际值的接近程度要好于逐步回归方程和主成分回归方程.     

基于改进梯度下降法求解多元线性回归方程

多元线性回归有着可解释强、建模速度快等优点,在解决实际问题中,对于拟合现实数据是一种经典且简单的模型.传统梯度下降法因其结构简单、稳健性高且容易实现等特点,在多元线性回归求解回归方程系数时,有着高效且准确的表现.但是随着数据数量和维度的与日俱增,传统梯度下降法在数据量大且自变量维度高的情况下,效率则不尽人意.基于此,将提出一种基于分数阶微分改进的梯度下降方法,使得多元回归方程在拟合数据时有更高的效率.     

部分线性自回归模型中回归函数的半参数估计（英文）

本文主要研究具有一阶自回归误差的三阶部分线性自回归模型中回归函数的半参数估计问题.假定回归函数来自某个参数分布族,利用条件最小二乘法得到参数估计量,再结合非参数核函数进行调整,给出回归函数的半参数估计量.并在一定条件下,证明了估计量具有相合性.最后,通过模拟研究验证了此方法的有效性.     

伊藤-泊松型随机微分方程的线性二次控制

本文研究伊藤-泊松型随机微分方程的线性二次控制问题,利用动态规划方法、伊藤公式等技巧,通过解HJB方程,我们得到了随机Riccati方程及另外两个微分方程,求出控制变量,解决了线性二次最优控制最优问题.     

合成氨煤气炉DCS数据建模与统计分析

利用相关系数阵的条件数研究影响煤气炉上部温度的各影响因素之间的复共线性,利用对数回归方法建立煤气炉上部温度与各影响因素之间的线性回归模型。经检验回归方程与回归系数均具有良好的显著性.所建模型对改善炉况,保持生产过程持续稳定具有现实指导意义。     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

基于连续可分的广义非线性纵向数据模型偏离名义离差的score检验及其功效

指数族非线性模型或广义非线性模型是广义线性模型和正态回归模型的自然推广.本文针对可分的连续型指数族回归模型(如正态模型,Γ模型,逆高斯模型),讨论广义非线性纵向数据模型中偏离名义离差的检验问题,得到了检验的score统计量,并推导了它们的渐近分布和局部近似功效.然后利用Monte Carlo方法研究了检验统计量的性质.最后利用百慕大草地数据说明了检验方法的应用.     

1961～2005年漠河年均温和年均高低温的变化分析

对近四十五年来中国漠河的气温变化作了一个初步分析.根据中国漠河1961～2005年逐日平均、最高、最低气温资料,求得了相应的年均温、年均高温和年均低温,分别对它们进行了线性拟合,结果表明它们在这45年都有所升高,并且由t检验得出线性趋势都是显著的.之后用线性回归模型拟合了年均温与年均高温和年均低温的关系,得出了拟合方程,并由F检验说明了线性回归关系的显著性.最后又采用变系数回归模型的局部线性拟合方法拟合了年均温与年均高温和年均低温的变化关系,从而揭示了年均高温和年均低温对年均温的影响随时间变化的规律,对研究年均温升高的原因具有一定的参考意义.     

两响应Haar小波回归模型最优设计

本文讨论两响应线性Haar小波模型的最优试验设计问题.假定每个响应变量与自变量之间的回归关系可以用一个线性小波多项式表示.本文给出一个设计,它同时具有D-,A-和Q-最优性,并且与两响应变量的协方差阵无关.     

超线性Hammerstein型积分方程的非零解及其应用

本文利用锥理论研究了映射I-A的拓扑度计算问题,其中A不假定是锥映射。我们证明了一个一般性定理。利用这个定理,我们研究了超线性Hammerstein型积分方程非零解的存在性问题,并应用于超线性Sturm-Liouville问题。     

多重线性回归模型的贝叶斯预报分析

多重线性回归模型的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分。通过模型系统的统计结构，证明了矩阵正态-Wishart分布为模型参数的共轭先验分布；利用贝叶斯定理，根据模型的样本似然函数和参数的先验分布推导了参数的后验分布；然后，从数学上严格推断了模型的预报分布密度函数，证明了模型预报分布为矩阵t分布。研究结果表明：由于参数先验分布的作用，样本的预报分布与其原统计分布有着本质性的差异，前服从矩阵正态分布，而后为矩阵t分布。     

经济预测的定量方法

预测问题在人类社会的各个邻域都是相当重要的，“凡事预则立，不预则废”。在经济领域中，对国民经济的预测涉及到国家预算的制订，企业对产品和市场的预测关系到该企业的兴衰存亡。预测分定性预测和定量预测两类，本文仅介绍经济预测的三种定量方法。一、回归分析法根据已经观测到的数据，按最小二乘原理确定出回归方程》一f（X），由此方程进行预测，这就是回归分析法，回归方法有一元与多元之分，有线性与非线性之分。最常用的是一元线性回归方程的模型，即y—a＋bx．实际中的经济问题反映的多为非线性模型，例如西方经济学的科布一道…     

多元线性回归方程的平面图示

随着科学技术的不断地发展,多元线性回归分析方法广泛地为人们所采用,因此,如果能将其回归方程图示出来,那是很有意义的.伹疑难的是,多元线性回归方程所对应的是多维空间内的回归超平面,而实验数据在同一空间内却对应着一个点集,因而能否作图,能作怎样的图,这些问题长期来还未曾获得解决.     

基于Monte Carlo模拟比较K近邻和局部线性分位数回归

局部线性分位数回归是目前比较流行的非参数分位数回归,其潜在假定待估函数线性光滑.K近邻分位数回归也是非参数分位数回归的重要组成部分,其具有不需待估函数光滑和不同分位点的回归曲线不相交等优点.通过Monte Carlo模拟,比较了两者的估计,得到当待估函数的跳跃点或突变点比较多时,K近邻分位数回归的拟合效果优于局部线性回归.其中模拟的函数是Blocks、Bumps和HeaviSine的函数,它们分别代表跳跃性、波动性、斜率突变性的函数.     

线性回归系数最小二乘估计弱相合性的一个结果

假定线性回归模型的误差列为i.i.d.,有r阶矩,1≤r＜2.[1]中证明若