随机信息中正态方差的灰色估计

利用随机信息进行参数估计,是数理统计学的基本内容.但经典统计学的理论和方法,都是建立在参数是明确数据的基础上.而现实社会经济生活中的参数,具有大量不确定性或认识的模糊灰色性.文章在Neyman的置信区间理论基础上,借助灰色系统的方法,在随机样本的信息下,对正态方差的灰色估计进行了研究,求出了正态方差的灰数估计及其白化权函数;并列举实例以示其应用.     

基于两正态方差比的参数灰色估计研究

两个正态总体方差比的区间估计理论是现代数理统计学的基本理论,但经典数理统计学的参数估计理论是基于随机的明确性数据构建的理论.但实际经济社会中存在大量不明确性数据,如模糊、灰色等数据信息,面对这类不明确性数据,如何进行符合现实的科学合理地估计和推断.在随机数据的置信区间理论基础上,文章借助灰色系统的基本理论,构建两个正态总体方差比的参数灰色估计理论,提供比置信区间理论更多的信息.     

基于两正态均值的灰色统计假设检验研究

两个正态总体均值差的区间估计和假设检验研究是数理统计学的基本内容,但经典统计学的两个正态总体均值区间估计和假设检验理论,是建立在确定的随机数据上的区间估计和假设检验.而现实社会生活中很多数据具有模糊灰色等不确定性,面对这类不确定性数据,如何较为合理地进行科学分析和判断.在灰色系统理论的基础上,文章建立了在随机样本信息下,两个正态均值的灰色区间估计和灰色假设检验方法,从而把随机信息的两正态均值假设检验理论拓展到灰色数据信息中,并把这一灰色检验方法应用于医学统计实例分析.     

论属性总体方差估计

计算抽样平均误差需要总体方差，总体方差通常未知，可以用样本方差代替总体方差。用样本方差替代属性总体方差是一个经常遇到的问题。文章阐述了在简单随机抽样时，因抽样方法不同，属性总体方差的无偏估计量是三种不同的形式，而一般理论书籍叙述的属性总体方差的无偏估计量是一种形式。用样本方差估计总体方差，只有样本调整方差才是总体方差良好的估计量，特别是在小样本的条件下比使用样本方差更为合理     

方差分量的改进估计

对含两个方差分量的一般线性混合模型,对其随机效应方差分量的组合谱分解估计进行改进.在正态假设下,考虑了一个不变估计类,证明了在均方误差意义下,在该估计类中不存在一致最优估计,但在一个重要子估计类中,找到了一致最优估计,并用截断方法得到了优于组合谱分解估计正部的正估计.     

基于样本协方差的正弦波频率估计算法

文章讨论了乘性和加性噪声背景中的正弦波的频率估计.通过求解基于不同阶次样本协方差方程的根得到了所给模型的频率估计,并通过基于频率方差最小准则得到最优协方差阶次.同时从理论上证明了频率估计是渐进无偏估计,并给出了频率估计的渐近方差表达式.仿真实验证明了算法的有效性.     

域内不放回样本追加的性质分析

域内采取不放回样本追加,进行追加抽样,利用最终的总样本,通过计算域总体单元的一阶、二阶入样概率构造HT型估计,得到域总体目标参数的无偏估计及估计量方差的无偏估计.基于不放回简单随机抽样,在不同的追加样本量确定机制下,对相关问题进行较为全面的研究,并揭示出某些重要且优良的性质.     

线性混合模型方差分量的谱分解估计

文章把文献[8]关于含有两个方差分量的线性混合效应模型的谱分解估计推广到一般线性混合效应模型,基本思想是通过把所研究的模型转化为含有两个方差分量的线性混合效应模型。首先研究如何构造含有三个方差分量的线性混合模型的谱分解估计,给出谱分解估计的无偏估计类。然后把所得到的结论推广到一般线性混合效应模型中。     

基于平衡单水平轮换的连续性抽样估计方法研究

内容提要：针对现存的各种单水平轮换模式和估计方法,本文提出一套统一的平衡单水平轮换模式。在此轮换模式下,引入两类相关关系,运用线性无偏估计方法,并通过使不同类型估计量方差的加权总和最小的方法确定最优系数,从而得到最优线性无偏估计量,不仅能够减少甚至消除估计量偏差的影响,还能使得连续性调查的整体抽样误差最小,适合估计各种类型的估计量。     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。     

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少.为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量.研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量.数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高.此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量.     

不放回样本追加策略下域的估计

 本文研究了不放回追加策略，包括基本设计和域追加设计都为简单随机抽样、分层随机抽样情形下不放回样本追加时域的估计的问题。根据不同的抽样设计给出单元的一阶及二阶包含概率的具体计算公式，并构造总体总量和域总量的Horvitz—Thompson型估计，然后基于简单随机抽样的不放回追加抽样方案，给出总体单元的前两阶包含概率。及该方案在分层抽样下的推广，在有辅助信息可用时构造域总量的分层联合比估计，并给出其方差和方差估计公式，同时我们给出了模拟结果，从模拟结果可以看出，给出的方差估计是估计量方差的近似无偏估计。     

概化理论方差分量及其变异量估计:Jackknife方法与Traditional方法比较

文章生成概化理论p×i、p×i×h、p×(i:h)三种不同设计下的正态数据、多项数据和二项数据,用Jackknife方法和Traditional方法估计数据的方差分量、标准误和置信区间,并比较这两种方法的性能。结果表明:(1)Jackknife方法在方差分量估计和标准误估计上都较为准确;(2)相较于Traditional方法,Jackknife方法在方差分量置信区间估计上略有不足。(3)相较于Traditional方法,Jackknife方法估计的准确性不随数据类型、研究设计和方差分量的不同而产生波动,具有更强的稳健性。     

均值已知正态总体方差的区间估计

未知参数的区间估计是一种非常重要的统计推断形式.文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性.     

方差未知的灰色统计假设检验及应用

利用随机信息进行参数的假设检验,是数理统计学的基本内容。但经典统计学的方法,都是建立在明确随机数据上的参数假设检验。而现实生活中很多数据具有模糊灰色不确定性,如何较为合理地进行科学判断。在灰色系统理论的基础上,建立了在随机样本信息下,方差未知时正态均值的灰色统计假设检验方法。并应用于医学统计中与经典的N-P假设检验方法进行了比较。     

放回抽样下HT估计量的性质及应用

放回抽样下传统的估计方法是采用Hansen-Hurwitz估计。而放回抽样下HH估计量并不是一致最小方差无偏估计,本文提出了另一种估计方法,即采用Horvitz-Thompson估计,并论证了放回抽样下HT估计量的三条定理,及与HH估计量的比较。然后以放回简单随机抽样和PPS抽样为例,通过理论公式、计算机模拟以及具体案例,进行更具体的分析。说明在一定条件下,HT估计量相对更优。在实际应用中,本文也提出了通过比较方差估计作为选取估计量的准则。     

广义双曲线分布在概化理论偏态数据方差分量估计中的应用

心理与教育测量的应用领域发生了较大变化,被测群体的知识和能力等特质在一定程度上不再服从偏度为0的分布.文章利用广义双曲线分布性质,模拟生成一定偏度的偏态分布数据,探讨数据不同偏度对概化理论方差分量估计的影响.结果表明:利用广义双曲线分布性质可以有效模拟生成概化理论所需要的偏态分布数据；广义双曲线分布模拟的偏态分布数据对概化理论各种方法估计方差分量有影响.     

乘积模型的最小二乘相对误差估计

文章提出了一种基于最小二乘准则下的乘积模型的相对误差估计方法.该方法的目标函数是光滑的凸函数,所得到的估计量具有强相合性和渐进正态性,估计量的渐进方差可以用插入法直接估计.模拟结果显示所提方法与其他同类方法比较具有一定的优势.     

部分线性可加变量含误差模型的估计

作为可加模型和部分线性模型的推广,部分线性可加模型是一类应用广泛的半参数模型。文章主要讨论了当线性部分的协变量测量含误差时模型的估计问题,我们基于profile全最小二乘法构造了参数分量和模型误差方差的估计,并证明了估计量的渐近正态性。     

基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测

本文针对中长期能源消费的特点,引入了新维无偏灰色马尔科夫预测模型。该模型充分利用结合了灰色预测与马尔科夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行了马尔柯夫预测,在每一步预测中,不断推陈出新,对原始数据进行等维新息处理。实例结果分析表明,该模型预测准确度尤其是中长期预测准确度良好。