随机权函数非线性回归模型的异方差统计分析

在回归分析中，随机误差是否存在方差齐性是理论与实际工作者都十分关心的问题，方差齐性假设并不总是正确的，在线性和非线性回归中关于异方差的诊断问题已有许多讨论（[1],[2],[4],[5]）。本文在韦博成（1995）讨论了加权非线性回归模型的基础上，用随机系数的方法，讨论随机权函数非线性回归模型中的异方差检验问题，得到了方差齐性检验的似然比统计量和score统计量，同时，当模型存在异方差时，本文给出了估计方差的一种方法。     

偏最小二乘回归的贝叶斯正则化神经网络集成模型在证券分析预测中的应用

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型.通过上证指数开、收盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好.     

模糊事件贝叶斯公式

讨论了模糊事件的概率及其基本性质 ,并通过对经典贝叶斯公式的推广 ,提出了模糊事件的贝叶斯公式 .     

径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF-PLS—Bayes方法。它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法，从原有模式中提取出分类能力甚强的成分，然后进行贝叶斯(Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类，本文将其应用于两种类型的化学模式分类问题，均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比，具有明显的优越性。     

基于睡眠规律的管制员认知能力分析

为了更加准确评估管制员工作状态,针对管制员认知能力评估问题,采用贝叶斯网络模型,提出了一种基于睡眠规律的分析方法.首先归纳了评价睡眠规律的主要因素,并采用PVT反应时间量化管制员的认知能力水平;然后根据先验知识构建了贝叶斯网络模型,在实验统计与模糊集理论的基础上得到条件概率表CPT,参数学习更新,并计算相关系数确定了关键因素;最后通过实际案例分析,预测了管制员认知水平,验证了评估的可行性与合理性.实验结果表明该分析方法能够根据睡眠规律对管制员值班前的认知能力进行准确的评估,降低了人为因素的安全隐患,增强了人员岗前管理的主动性.     

中国进口食品安全风险评估的统计学方法

近年来,随着对外贸易的快速发展和人民生活水平的不断提高,我国已经成为食品进口大国。运用科学的方法优化检验资源配置,强化对进口食品安全的风险管理,是一个关系到人民福社的重大问题。国际上通行的做法是对不同种类的食品和检测项目的潜在风险进行评估,并根据评估结果制定有针对性的监督抽检计划,使得更多的检验资源可以投入到对高风险产品和项目的监管中去。我国在这方面的管理实践才刚刚起步,急需建立一套符合我国食品进口自身特点和管理需求的风险评价模型和相应的估计方法。本文借鉴了其它国家的相关做法,并结合我国进口食品的管理需求和历史检测数据的特点,制定了一套完整的风险评价和估计方法。     

集团统一审计、审计风险与组成部分重要性水平

针对集团审计的特性,运用贝叶斯定理构建集团审计模型GUAM,并用伽玛概率分布函数表示先验函数、后验函数与似然函数,用于规范集团各组成部分的重要性水平核算,将模型从单一组织扩展到集团层面的审计,并建立了各组成部分重要性水平与相对可变成本的计算公式,通过各组成部分的资产等标准分配权重,进而确定合适的先验水平使得集团整体的可变成本降低,以达到提高集团审计效率,通过集团层面的控制,使得在完成集团整体目标置信水平的基础上达到最佳审计效果的目的.     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

一种基于Gauss von Mises分布模型的非线性量测更新方法

基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS?R流形上的Gauss Von Mises(GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。