关于网络计划中三时估计法的运用与商榷

文章给出网络计划中工序持续时间的三时估计法的理论根据,指明了在实际工作中估计三种时间值须遵循的原则.在此基础上所得的方差估计式有别于现行公式.     

一种异方差模型的两阶段估计

在异方差线性回归模型中,当模型误差项的协方差阵未知时,对异方差模型进行估计目前还没有比较好的方法。基于此,提出一种异方差模型的两阶段估计—基于异方差一致协方差阵估计,该方法将异方差一致协方差阵估计HC5m和广义最小二乘估计法结合起来,综合使用全部样本的信息,并对异方差模型进行估计。通过大量的蒙特卡洛数值模拟和实证分析,结果表明该方法具有一定的可行性和有效性。     

改进的Gompertz模型参数估计方法比较研究

讨论改进的Gompertz模型两种参数估计方法:三和法和非线性最小二乘估计法,并通过蒙特卡洛实验比较两种估计方法的精度和收敛率,得出非线性最小二乘估计法在估计精度和估计的成功率两方面都优于三和法的结论;利用Gompertz曲线拟合中国电影票房数据并对其未来发展作出预测:中国电影票房最终可以在2025年左右到达饱和状态,饱和状态总规模大约为1 676.5亿元。     

基于连续混合正态分布的期货定价偏差研究

挖掘期货理论价格和实际价格之间的关系有助于提高期货市场定价效率、发挥期货价格发现功能。基于持有成本定价模型计算期货定价偏差,利用连续混合正态分布模型对定价偏差的分布进行拟合,先采用基于牛顿迭代的极大似然估计法对未知参数进行估计,再进一步利用模拟退火算法对牛顿迭代的结果进行优化。结果发现,模拟退火算法可以有效提高估计精度,连续混合正态分布模型能够更好地拟合期货定价偏差分布。     

函数系数协整模型局部线性估计方法的改进

函数系数协整模型可以克服非参数建模时的“维数困难”，同时体现系数的动态变化，被广泛应用于非平稳数据间复杂问题的研究。实践中经济序列常表现出时变波动方差和厚尾特征，传统核权最小二乘估计方法将不再适用。鉴于此，文章基于L1损失函数重构估计流程，选择表现稳健的局部线性核估计方法，并引入自适应方法，提出局部线性自适应最小绝对离差估计（ALADE）。模拟结果验证了所提估计方法可提升系数估计精度，优化模型整体拟合效果，同时绝对值交叉验证方法在选取最优窗宽时优势明显。实证分析发现，所提方法可识别中英两国汇率和价差间的动态协整关系，拟合系数平滑且接近理论值。     

基于最大熵原理的条件回收率建模分析

通常使用的数据拟合只是对回收率分布的一个描述，为有效对回收率进行研究，建模时将抵押担保和企业的信用等级这两个因素加以考虑，应用最大熵原理，对违约损失率估计出最佳的条件概率密度。利用该模型不仅能够估计出违约损失率的均值和方差，还可以得出违约损失率的分布密度；另外，该模型也具有更明确的经济学意义。返回检验表明，该模型的估计效果优于单因素模型、动态多元回归模型以及非参数核密度估计法。     

广义Pareto分布模型参数的近似估计及应用

文章利用极大似然估计法及泰勒公式给出了广义Pareto分布模型参数估计,并在确定阈值的基础上对多种元素的广义Pareto分布模型参数进行了估计,经Kolmogorov检验证实该近似估计法的合理性和有效性。     

确定项目工期的网络计划模型的对比分析

文章在对经典CPM/PERT网络计划模型、概率型随机网络计划模型、因素型随机网络计划模型介绍的基础上,就模型的使用条件、工序工期的表示、不确定性因素的量化、模型的使用效果等方面进行了深入的对比剖析.并通过用VisualStudio.NET高级语言编制程序,实现了三种模型的计算功能.最后,通过一个例子对三种模型的计算结果进行了对比分析,结果表明因素型模型具有更大的灵活性和可靠性.     

非参数密度估计在个体损失分布中的应用

一、前言所谓个体损失 ,就是每一次保险事故中的损失数额 ,对个体损失分布性状的研究是风险决策理论的重要内容。已有的关于个体损失分布的研究大多着眼于传统的参数统计方法 ,其基本流程为 :获取数据→拟合参数模型→估计模型参数→指出拟合效果 ,也就是说 ,对于损失总体分布性状的了解是建立在确定参数模型的基础上的。自然 ,估计模型参数的方法有很多 ,包括矩估计、极大似然估计、最小距离估计等 ,最终确定的参数模型对个体损失分布通常会有较好的描述 ,能够提供精度较高的分析结果。但在实际操作中 ,这一过程显得太过冗长 ,且对不同样本…     

敏感问题乘法模型的RRT分层三阶段抽样最优样本量设定

文章研究数量特征敏感问题的乘法模型在随机应答技术(RRT)分层三阶段抽样方法下的最优样本量的问题.根据RRT分层三阶段抽样方法给出数量特征敏感乘法模型的调查设计方法,计算出总体均数的估计量及其方差.应用拉格朗日乘数法,给出了两种情况下的最优样本量,一是抽样误差限定而调查费用达到最小情况下的最优样本值,二是调查费用限定而抽样误差达到最小情况下的最优样本值.并计算出抽样误差一定时最小的费用及费用一定时最小的抽样误差.     

PERT网络工期风险计算方法的研究

20世纪50年代末,Malcolm等人率先提出了PERT(Program Evaluation and Review Technique)网络,用于解决项目各活动逻辑关系确定.活动持续时间不确定的项目工期问题.通常把Malcolm等提出的PERT网络称为经典PERT网络,相应解决PERT网络的方法称为经典PERT方法.经典PERT方法具有简单,并方便应用的特点.但是存在较多的缺陷,使得其计算结果存在较大的偏差,一般是期望工期偏小,计算精度不能满足要求.为此,自从经典PERT网络提出以来,许多学者对经典PERT方法存在的缺陷进行了研究,提出了一些改进方法.     

非参数异方差模型中条件回归函数的EM算法——基于农村食品消费与纯收入的实证研究

对非参数异方差模型中回归函数的EM算法进行研究,并基于EM算法得到了条件回归函数的估计。此外,通过对农村居民食品消费支出与纯收入关系的实证分析,说明了基于EM算法的估计方法比最小二乘估计方法的拟合效果更好,并对恩格尔系数进行了拟合,分析了其变化走势。     

抽样调查中的校准估计法

本文梳理总结了校准估计法自首次提出以来的研究成果。理论方法的发展集中在最短距离法、工具向量法和模型校准法三种校准方法的研究上;方法应用的发展体现在对简单参数和复杂参数的校准估计上。对小域估计、无回答、二重抽样等特定抽样问题和总体分位数、总体方差估计中校准估计法的具体应用作了重点梳理介绍。对校准估计法的理论和应用研究前景作了展望。     

异方差模型参数估计的有效性研究

本文运用随机模拟方法,对误差序列异方差模型中加权最小二乘（GLS）估计的有效性进行研究。研究表明,GLS估计的有效性与异方差强度有关,当异方差强度较强时,GLS估计比普通最小二乘（OLS）估计有效;当异方差强度较弱时,GLS估计不如OLS估计有效。     

双重分层抽样中的校正估计

校正估计法已被大量运用于抽样调查中,它利用辅助信息构造的校正权重提高了对总体总值（或均值）的估计精度。本文提出了分层抽样中的校正组合比率估计量,并推广到分层双重抽样中。同时给出新估计量的近似方差表达式。最后利用计算机随机模拟验证较正估计量对估计精度的改进。     

分层抽样中分层界限的优化设计

文章主要研究在分层抽样中如何进行恰当地分层,以便尽可能提高分层抽样的估计精度。主要研究了三种分层标志,即定性的辅助信息、研究变量和辅助变量,以及在各种分层标志下确定适当的分层界限,使得估计量方差最小。     

灰色PERT算法在项目工期中的研究与应用

为提高PERT网络中关键路线与关键工序决策的可靠性,减少求解的复杂性,文章根据工序时间不确定的特点,结合灰色系统理论,提出了工序时间为区间灰数的灰色PERT网络,并且根据实际工序时间概率分布的特点,提出了工序时间的正态分布模型,该方法避免了决策中片面采用均匀分布区间灰数描述模糊评价的局限性,更好地体现了工序最可能时间、最悲观时间与最乐观时间三者概率分布的特点。另外,考虑到工程计划能否在规定工期内顺利完成这一随机现象,提出了相应的灰色PERT算法。最后,通过实例分析,说明该灰色PERT算法能够有效避免片面采用均匀分布区间灰数的局限性,且计算出项目工程在规定工期内完成的可能概率,更加符合实际项目工期的决策,具有较好的可行性和高效性,拓展了这一领域的研究与应用。     

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。     

网络访问固定样本调查的统计推断研究

如何解决网络访问固定样本调查的统计推断问题,是大数据背景下网络调查面临的严重挑战。针对此问题,提出将网络访问固定样本的调查样本与概率样本结合,利用倾向得分逆加权和加权组调整构造伪权数来估计目标总体,进一步采用基于有放回概率抽样的Vwr方法、基于广义回归估计的Vgreg方法与Jackknife方法来估计方差,并比较不同方法估计的效果。研究表明:无论概率样本的样本量较大还是较小,本研究所提出的总体均值估计方法效果较好,并且在方差估计中Jackknife方法的估计效果最好。     

并发多样本滚雪球抽样的捕获再捕获估计

滚雪球抽样是一种非概率抽样方法,一般采用线索触发的方式进行抽样,通过同伴推荐和再推荐来逐次抽取并组织样本。本文引入捕获再捕获抽样估计方法对并发式多样本滚雪球抽样的总体规模进行估计,比较了Peterson、Chapman等的估计方法,提出了以并发式加权线性模型去估计总体规模的基本思路,在本文设计的三种估计量中,共权估计量方差最小,离散性质局部最优。最后,对一个真实的滚雪球抽样调查过程进行了实证分析。