股票价格过程方差函数的统计推断

本文讨论了股票价格过程方差函数的估计问题，给出了估计量的大样本性质。     

BAYESIAN LOCAL INFLUENCE ASSESSMENTS IN A GROWTH CURVE MODEL WITH GENERAL COVARIANCE STRUCTURE

1 IntroductionThe problem of how to deal With local influence assessment in a growth curve model withgeneral covariance structure is very important. There are two main reasons why this is so. First,although the growth curve model can be viewed as a generalizetion of classical linear regressionmodel in some wad, as pointed out by for etc.[1], two models are substantially different andthe former is much more complicated than the latter. Secondly3 it is not generally the case withlocally influen…     

标准参照测验中的统计推断问题

在一定条件下利用一次测验分数推出考生观测分数分布和真分数分布及它们的联合分布,从而给出掌握推断中分类信度的一致性指标P和Kappa系数的估计,讨论一些相关的统计推断问题.     

Improving microwave brightness temperature predictions based on Bayesian model averaging ensemble approach

The choices of the parameterizations for each component in a microwave emission model have significant effects on the quality of brightness temperature (T _b) simulation. How to reduce the uncertainty in the T _b simulation is investigated by adopting a statistical post-processing procedure with the Bayesian model averaging (BMA) ensemble approach. The simulations by the community microwave emission model (CMEM) coupled with the community land model version 4.5 (CLM4.5) over mainland China are conducted by the 24 configurations from four vegetation opacity parameterizations (VOPs), three soil dielectric constant parameterizations (SDCPs), and two soil roughness parameterizations (SRPs). Compared with the simple arithmetical averaging (SAA) method, the BMA reconstructions have a higher spatial correlation coefficient (larger than 0.99) than the C-band satellite observations of the advanced microwave scanning radiometer on the Earth observing system (AMSR-E) at the vertical polarization. Moreover, the BMA product performs the best among the ensemble members for all vegetation classes, with a mean root-mean-square difference (RMSD) of 4K and a temporal correlation coefficient of 0.64.     

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.     

一个关于线性模型结构变化预测的推断

利用统计诊断的一些思想，从Bayes预测理论的角度分析线性模型中的结构变化．考察两相回归模型其中诸yi是观察值，凡是回归变量的已知向量（p×1）,Oj（j＝1，2）是未知参数向县（p×1），是未知参数，诸εi是相互独立的．m是未知参数称为变点．我们主要对m感兴趣．实际上，在模型（1．1）中的统计推断之前，我们不知道哪个参数变化．本文结合统计诊断的一些思想和Dayes观点，利用基于条件预测奇异诊断（以下简记为CPDD）和Kullback-Leibler散度两种方法，来研究线性模型的结构变化．这些方法不限于任何条件，且能找出哪些参数变化；哪…     

工序能力Bayes推断

本文从Ｂａｙｅｓ观点研究工序能力，对无信息先验和共轭先验，给出了Ｃｐ的后验分布、条件期望估计和最大后验估计、Ｂａｙｅｓ置信下限和判断工序是否有能力的临界值，适于对相似工序作统计推断。     

基于随机模糊参数预测烧结法氧化铝生产中碱液成分

针对来自许多实际过程中数据变化的多态不确定性,提出一类新的预测方法。为了反映数据的多态不确定性,设计了一种分段推断算法来对样本数据的分布函数进行推断,在假设总体服从一类模糊随机变量的条件下,由该方法得到总体的分布函数的解析式。基于这种预测方法,对烧结法氧化铝生产过程中碱液成分进行了预测。预测结果表明新方法具有广泛的应用价值。     

基于高层次结构数据的多水平模型贝叶斯推断及应用

面对具有多层次嵌套结构的数据,构建多水平模型是统计建模的一个重要研究课题。经典的参数估计方法主要采用极大似然估计法(ML),然而当面对高层数量单位小或数据结构不平衡时,极大似然估计在估计精度上存在一定不足;而贝叶斯方法充分应用了有效的先验信息,可以弥补其不足。本文在高层次结构数据多水平模型的研究基础上,探索高层次结构数据的多水平模型贝叶斯推断理论,并以云南省红河州农户收入数据作实证分析,建立了基于县-村-户嵌套结构的农户收入影响因素多水平模型,对比分析模型参数的ML估计、经验贝叶斯(EB-ML)估计和完全贝叶斯估计,从而充分展现了高层次结构数据多水平模型的完全贝叶斯推断方法,在拟合高层数量单位小或数据不平衡时具有的特征和优势。     

基于变分推断的磁共振图像群组配准

为解决基于深度学习的成对配准方法精度低和传统配准算法耗时长的问题,本文提出一种基于变分推断的无监督端到端的群组配准以及基于局部归一化互相关（NCC）和先验的配准框架,该框架能够将多个图像配准到公共空间并有效地控制变形场的正则化,且不需要真实的变形场和参考图像．该方法得到的预估变形场可建模为概率生成模型,使用变分推断的方法求解;然后借助空间转换网络和损失函数来实现无监督方式训练．对于公开数据集LPBA40的3D脑磁共振图像配准任务,测试结果表明：本文所提出的方法与基线方法相比,具有较好的Dice得分、运行时间少且产生更好的微分同胚域,同时对噪声具有鲁棒性．