基于贝叶斯的Bootstrap置信区间

在许多领域中,Bootstrap成为一种数据处理的有效方法。很多情况下,模型中感兴趣的参数的置信区间难以构建,为了解决这一问题,文章提出了一个新的贝叶斯Bootstrap置信区间的估计量,并做了蒙特卡洛模拟比较,结果比经典区间估计方法和经典Bootstrap方法更优,并进行了实例分析。     

轨道精调后动静态轨道质量指数的相关性研究

轨道精调达到静态峰值验收标准后,进入动态联调联试调整阶段,联调联试时间紧任务重,为减少调整工作量,希望实现静态TQI预测动态TQI。引入动静比研究精调后动静态TQI之间的关系,分析动检速度和线形对动静关系的影响,通过分析动静比的置信区间,实现静态TQI预测动态TQI。结果表明:动态TQI比静态TQI大1.0~1.5倍,同一线路中,TQI动静比与动检速度正相关,与线形不相关;从杭长高铁情况来看,对于设计时速300~350 km/h的高速铁路,将全线静态TQI控制在2.65 mm以下,可保证动态验收合格,从宁安高铁情况来看,对于设计时速200~250 km/h的高速铁路,将静态TQI控制在4.60 mm以下,可保证动态验收合格,可靠度均达95%以上。     

^-x的抽样分布与估计值分布的区别

^-x的抽样分布与估计值分布是有区别的，总体平均数的区间估计，没有直接应用^-x的抽样分布，用的是估计值分布；总体平均数的假设检验，用的是^-x的抽样分布，不是估计值分布。文章构造了总体平均数μ的存在性的证明；重新定义了假设检验的置信区间，并证明了假设检验的置信区间与假设检验的接受域互为充分必要条件。     

独立逆抽样下优势比的置信区间

本文对独立逆抽样设计下优势比的置信区间的构造进行了研究,包括三个已有的方法,以及本文引入的鞍点逼近方法。通过模拟比较了这四个方法给出的置信区间。模拟结果表明,基于鞍点逼近方法给出的置信区间不比另外三种方法差。并且在一些情况下表现还优于其它三个方法。     

负二项分布参数的区间估计

文章研究了负二项分布的成功概率的区间估计,给出了成功概率的精确置信区间、不依赖于大样本的近似置信区间以及依赖于大样本的近似置信区间.     

含零总体中位数的经验似然

当所研究的总体中含有一定比率的零值,而其余的值大于零时,则称为含零总体。文章利用Owen的经验似然方法来构造这类总体的中位数的置信区间,所得结果不需要假设总体服从某种参数模型,并能利用样本中零值的信息,而且构造的置信区间受非零总体偏斜的影响比一些其他非参数方法小一些。同时,随机模拟的结果也显示了这一点。     

泊松分布变异系数的贝叶斯估计

文章在熵损失函数下,针对一组泊松样本,用参数估计方法研究了泊松分布变异系数的贝叶斯估计问题,得到了变异系数的贝叶斯估计的一般形式与精确形式,并讨论了它的可容许性。最后在给定置信水平1-α下研究了变异系数的贝叶斯置信区间。模拟结果表明这两种估计都具有较高的精度。     

主因素数量的置信区间

一、引言过去对主因素分析的研究主要集中在因素数量的估计和假设检验上,在心理学计量和金融经济学的应用中,都建立了专门的方法来判断普遍重要因素。Anderson(1963)的研究表明,最小特征值的置信区间估计与最差因素的方差是相同的,Johnson和Wichern(1998)将其应用于证券收益的实证研究之中,作为结论他们建议投资者,如果出现倒数第 q 个主因素置信区间估计很小的情况,就可以忽略这 q个因素,假如运用本文提出的方法,投资者就可以在一定的置信水平下得到一个更为精确的结论。Huang和Tseng(1992)在主因素分析中引入了次序筛选方法来判断主…     

极值风险E—VaR及深圳成指实证研究

由于极端事件及政策性调整，中国股市出现了剧烈波动。鉴于当前各种VaR模型在较高置信水平时(≥0．99)会高估或低估VaR值，本文提出把E—VaR作为一种辅助的VaR度量方法．对新兴的中国股票市场进行风险调控与度量。通过POT方法建模与Boostrap模拟参数置信区间检验，深圳成指的实证结果表明，在极端市场条件下，E—VaR是令人满意的。     

Polya后验方法在有限总体抽样估计中的模拟研究

polya后验方法作为一种无信息贝叶斯估计方法,在有限总体抽样中,通过观测的样本,构造一系列的模拟总体,然后进行统计推断。通过统计模拟研究了polya后验方法估计的一些特点,并和Bootstrap方法进行比较。模拟结果显示:polya后验方法能够很好地估计总体的均值,随着样本量的增大,估计值与真值的差距越来越小。采用polya后验方法构造的置信区间区间长度较小,能够很好地覆盖真值。