基于AIC准则的函数型数据主成分联合选择研究

函数型主成分分析(Functional Principal Component Analysis,FPCA)是对函数型数据进行降维的常用技术,本文将考虑函数型数据的主成分联合选择问题。首先,本文给出了两函数型变量的主成分联合模型,并通过基函数展开法和极大惩罚似然法对样本数据进行曲线平滑。在联合模型基础上,本文给出了确定函数型主成分个数的AIC准则,并提出了改进的ECME算法对模型参数进行估计。模拟显示AIC准则对应的主成分个数选择结果准确率更高,考虑两函数型数据之间相关信息的联合选择效果会比对各函数型数据主成分进行独立选择的结果有所提升。最后,本文将所提方法应用于老年人中医宗气数据的分析。     

稀疏函数型回归模型变量选择及实证分析

传统函数型回归模型变量选择方法,忽略了对稀疏函数型数据的讨论.提出了稀疏函数型数据情形下函数型回归模型的变量选择方法,基于条件期望对稀疏函数型自变量进行函数型主成分分析,并以估计的正交特征函数作为基函数对模型进行展开.这种方法可以有效解决对稀疏函数型变量的选择.作为实证分析,选取2002年到2011年全国34个气象观测站的年降水量,月度平均气温,光照时长,湿度,最高气温和最低气温数据,分别比较讨论了密集和稀疏情形下,原始样本和Bootstrap样本的函数型回归模型变量选择的结果,结果显示新方法具有较好的选择效果.     

基于时变距离函数的多变量区间函数型主成分分析方法

针对现实中经符号分析形成的区间函数型数据,提出时变距离函数概念,并将其应用于区间协方差计算.利用函数型主成分分析方法推导出相应的特征函数,提出了基于时变距离函数的多变量区间函数型主成分分析方法.通过实证证明:区间函数型主成分分析以区间化获取了更多信息,以函数化放松了假定,增加了可视化水平,能够有效解决区间函数型数据的特...     

函数型空间自回归模型的贝叶斯估计

函数型数据广泛地存在于社会的各个领域, 函数型数据分析也成为越来越热的统计研究方向. 经典的函数型回归模型一般假设响应变量是一个独立变量, 而在经济学, 环境科学等领域会经常遇到响应变量具有空间相依关系. 因此针对带有空间响应变量的部分函数型空间自回归模型, 基于函数型主成分分析和MCMC算法研究了模型的贝叶斯估计. 运用■表示定理来逼近函数型系数的思想, 以及应用Gibbs抽样和Metropolis-Hastings算法相结合的混合MCMC算法来获得模型中未知参数和函数型系数的贝叶斯估计结果. 最后通过模拟研究和对加拿大气温数据的实证分析来表明所提出的贝叶斯估计方法是可行有效的.     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

基于函数型非参数方法的气温数据预测分析

基于函数型非参数核回归估计的方法分析安徽省1955年至2010年月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证研究.同时,与经典的非参数回归模型的预测结果相比,本文方法的预测均方误差明显优于经典的非参数回归方法,体现出函数型非参数模型的优越性.     

响应变量删失时函数型部分线性分位数回归模型的估计

最近几年,函数型数据分析的理论和应用飞速发展.在许多实际应用里,响应变量往往存在随机右删失的情况.考虑利用函数型部分线性分位数回归模型来刻画函数型和标量预测量与右删失响应变量之间的关系.基于函数型主成分基函数来逼近未知的斜率函数,通过极小化逆概率加权分位数损失函数得到未知系数的估计量.文章的估计方法容易通过加权分位数回归程序实现.在一定的假设条件下,给出了有限维参数估计量的渐近正态性与斜率函数估计量的收敛速度.最后,通过模拟计算与应用实例证明了所提方法的有效性.     

函数型二次模型的假设检验

本文研究了函数型二次回归中二次参数函数的显著性检验问题。采用函数型主成分分析将预测变量函数进行投影降维,利用零模型和全模型的残差平方和构造F型检验统计量。在一定的正则条件下证明了检验统计量在原假设下渐近于F分布,在备择假设下检验统计量依概率趋于无穷,从而表明该检验方法是相合的。进一步证明了在一定收敛速度的局部备择假设下,检验统计量渐近于非中心F分布。最后通过数值模拟研究了该检验方法在有限样本下的表现,并给出了一个实际例子进一步验证所提方法的有效性。     

函数型部分线性复合分位数回归模型的估计（英文）

本文研究函数型部分线性复合分位数回归模型的估计问题.我们采用函数型主成分分析方法分析斜率函数,回归样条逼近非参数函数.在相当宽松的条件下给出斜率函数和非参数函数的收敛速度.最后通过理论模拟和实例分析来评价我们提出的方法.     

股票价格波动的库兹涅茨特征研究及其在预测上的应用

本文创造性地指出,股价波动具备先增长后下降的倒U形曲线特征,即库兹涅茨曲线特征,从而对最高值出现的时间点进行预测.本文首先对股价波动曲线进行了去除微小波动和类均线的光滑化处理,通过多项式函数回归和Logistic函数回归的拟合方法,来确定曲线增长部分的拐点,并给出寻找拐点和预测的方法.抽样检测结果表明该方法非常具有实效性.     

具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）

对于先验分布为正态逆伽玛分布的正态分布的方差参数,我们解析地计算了具有共轭的正态逆伽玛先验分布的在Stein损失函数下的贝叶斯后验估计量.这个估计量最小化后验期望Stein损失.我们还解析地计算了在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失.数值模拟的结果例证了我们的如下理论研究:后验期望Stein损失不依赖于样本;在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失要一致地大于在Stein损失函数下的对应的量.最后,我们计算了上证综指的月度的简单回报的贝叶斯后验估计量和后验期望Stein损失.     

与多值随机微分方程相关马氏半群的无穷小生成元（英文）

当多值随机微分方程的扩散及漂移系数满足利普希兹连续性条件时,我们考虑其解的无穷小生成元问题.为了找出该无穷小生成元的核,我们研究了对应的多值椭圆方程及其粘性解.     

基于置信分布的多个对数正态总体的公共均值的置信区间的构建（英文）

在实际应用中需要拟合正的偏态数据时,对数正态分布是通常的选择.当通过多重比较确定了多个对数正态分布总体的均值相同时,如何能够利用更多的信息,同时使用这些对数正态分布总体的信息来构建公共均值的置信区间成为了众多学者颇为关注的问题.本篇文章提出了一种新的基于置信分布的方法来构建多个对数正态总体公共均值的置信区间,该方法通过对相关量的样本方差进行加权来提高效率.进而对文中提出的基于置信分布的置信区间的构建方法进行了蒙特卡洛模拟研究,模拟结果表明,我们提出的构建方法可以得到很好的覆盖概率和较短的区间宽度.文章的最后用三个实际数据来验证了文中所提出方法的表现.     

关于概率空间与次线性期望空间中的随机变量一致可积性的一个注记（英文）

在这篇注记中我们讨论随机变量的一致可积性.在概率空间中,我们引进了随机变量一致可积性的两个新的定义,并证明了他们与经典定义等价.在次线性期望空间中,我们给出了随机变量一致可积性的德拉瓦利普桑准则,并作了一些其它讨论.     

夹心半群T(X,Y,θ)上的一个同余链

设T(X, Y,θ)是两个非空集合X, Y上的夹心半群,其中θ是从Y到X的一个映射.本文刻画了这个半群T(X, Y,θ)上的一些同余,得到了半群上的同余链.     

四元数矩阵的新特征值定位

Yin Caixia;Li Chaoqian(College of Mathematics and Statistics,Yunnan University,Kunming 650500,China)     

纵向数据均值和协方差矩阵的有效稳健估计（英文）

本文提出一种针对纵向数据回归模型下的均值和协方差矩阵同时进行的有效稳健估计.基于对协方差矩阵的Cholesky分解和对模型的改写,我们提出一个加权最小二乘估计,其中权重是通过广义经验似然方法估计出来的.所提估计的有效性得益于经验似然方法的优势,稳健性则是通过限制残差平方和的上界来达到.模拟研究表明,和已有的针对纵向数据的稳健估计相比,所提估计具有更高的效率和可比的稳健性.最后,我们把所提估计方法用来分析一组实际数据.     

关于能量距离的两点注记（英文）

本文讨论了能量距离的两个问题.类似Brownian协方差的讨论提出了Brownian距离的定义,并证明了Brownian距离与能量距离的一致性.给出了配对变量的能量距离的表示,并探讨了将能量距离用于配对样本同分布的检验问题时原假设下的渐近分布理论.最后通过一个简单的数值模拟说明基于能量距离的配对样本的分布差异的检验方法比传统的t检验及Wilcoxon符号秩检验更有效.     

三组谱的Sturm-Liouville反问题

考虑与三组谱关联的逆Sturm-Liouville问题,证明了若对于给定的两组数列,在一定条件下,可划分为三组数列,使其分别为区间[0,a]上三个Sturm-Liouville问题的部分特征值,则通过三组谱的部分特征值能唯一确定区间[0,a]上的势函数q(x).     

Philip Holgate (1934-1993)

Philip Holgate was born in Chesterfield on 8 December 1934.His family moved from Derbyshire to Devon in 1945, and he waseducated at Newton Abbot Grammar School from 1945 to 1952, andthe University College of the South-West (now Exeter University,but which then awarded London degrees) from 1952 to 1955. Hequalified as both a teacher (King's College, London, 1955–56)and a statistician (University College, London, 1956–57). After teaching mathematics and physics at Burgess Hill School,in Hampstead and then in Borehamwood, Philip joined the StatisticsSection at Rothamsted Experimental Station (1961–62).He then spent five years in the Biometrics Section of the NatureConservancy. His first publications date from this period, andthe interests he acquired then were to develop into what becamehis most enduring, and distinctive, scientific interests. Philip joined the Department of Statistics, Birkbeck College,University of London, in 1967, and remained at Birkbeck forthe rest of his career, until his death from a heart attackon 13 April 1993.