公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

非中心t分布非中心参数的最大似然估计被引量：2: 2014年; 文章运用迭代算法求出非中心参数最大似然估计的数值解,并与其矩估计做模拟比较,用偏差和均方根误来衡量估计的优劣。结果表明,最大似然估计具有更小的均方根误,尤其是在样本量与自由度较小或者非中心参数较大的情况下。最大似然估计具有更小的均方根误,而且具有泛函不变性、一致性和有效性等优良性质。; 汪鹏周基元; 关键词：最大似然估计

SN-ARMA(u,v)-GARCH(p,q)模型对澳元兑美元汇率日收益率拟合研究被引量：1: 2013年; 澳元被称为"商品货币",其走势变化充分反映了市场价格的变化趋势,通过研究其汇率波动可以对分析和预测未来国际经济短期走势提供有用的参考,并为我国货币的市场化发展提供参考。通过对澳元兑美元汇率日收益率数据进行分析,显示具有多峰和偏态分布特征,采用AR-GARCH模型将导致参数估计可靠性降低,假设新息分布服从偏正态分布,构造基于偏正态分布的SN-AR-GARCH模型,实验结果显示该模型描述澳元兑美元汇率日收益率的波动趋势拟合效果好。; 徐燕陈平雁; 关键词：自回归模型广义自回归条件异方差模型收益率

多样本变异系数比较的似然比检验被引量：6: 2013年; 目的通过求非中心t分布未知参数最大似然估计,由此提出一种比较多个样本变异系数差异的似然比检验(LRT)方法,并与现有的D'AD检验在第Ⅰ类错误率与检验效能两方面进行模拟比较。方法由于样本变异系数的似然函数跟非中心t分布有关,本文首先提出一种求非中心t分布未知参数最大似然估计的算法,然后由此构造出比较多个样本变异系数的似然比检验统计量,并求出其Bartlett校正系数,对似然比检验统计量进行Bartlett校正,以便该方法也能用于小样本的情形。计算机模拟时从正态分布总体中抽样,模拟LRT的第Ⅰ类错误率与检验效能,并与D'AD检验做比较。将LRT方法编写成R语言程序,输出校正后的统计量值和相应P值,以方便实际应用。结果校正的LRT方法能更好地控制第Ⅰ类错误率,并且其检验效能比D'AD检验更稳健。在小样本且样本量不均衡的情形下,其检验效能比D'AD方法高。结论校正的LRT方法适用范围更广,检验效能高,可为检验多样本变异系数间差异提供更加有效的方法。; 汪鹏周怡周基元; 关键词：似然比检验 T分布

基于偏正态分布的SN-ARCH(q)模型及应用被引量：1: 2014年; 针对金融数据中大量偏态、均值和方差非常数、呈阶段性相对平稳并伴随剧烈波动性的时间序列数据,不满足经典自回归条件异方差模型中正态性假设前提,文章讨论将带刻画偏度的形态参数的偏正态分布引入自回归条件异方差模型,建立SN-ARCH(q)模型,构造中位数无偏估计方法。实验结果表明SN-ARCH(1)模型真实反应实际分布的偏态、异方差特征,Pearson拟合优度检验显示模型分布拟合效果良好。; 徐燕陈平雁; 关键词：自回归条件异方差模型

广义自回归条件异方差模型的贝叶斯参数估计被引量：1: 2014年; 文章建立基于偏正态分布的广义自回归条件异方差模型(GARCH-SN)的贝叶斯参数估计方法。通过MCMC抽样中常用的MH算法解决贝叶斯估计中遇到的高维数值计算问题,得到稳定的抽样序列。模拟显示MCMC抽样序列平稳,贝叶斯估计过程中不需要调整MCMC抽样,抽样后得到的均值接近真值,输入集样本量增大得到的估计值偏离真值的程度随之减小。; 徐燕陈平雁; 关键词：广义自回归条件异方差模型贝叶斯估计

三种分类预测模型在医学中的应用研究: 2014年; 基于一个肾衰竭患者数据,应用两种神经网络(BP神经网络和贝叶斯正则化BP神经网络)与常用的二分类Logistic回归对肾衰竭患者是否死亡进行预测,并比较三种模型的预测效果.三个模型的判对率都达到89%以上.其中,以贝叶斯正则化BP神经网络的判对率和ROC曲线下面积(AUC)最大,即预测效果最好;BP神经网络和Logistic回归预测效果差别不大.; 何馨邹绮蕾卞禾何诗思; 关键词：LOGISTIC回归神经网络 ROC曲线

全选清除导出

共1页<1>

国家自然科学基金(81072386)