分组数据在指数分布下的近似极大似然估计

基于指数分布下的分组数据,文章研究了步加试验中参数的近似极大似然估计方法,最后通过蒙特卡罗模拟,说明方法是可行且有效的.     

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.     

采用拟Newton法实现DOA及功率联合估计

为了增加移动通信的容量和链接质量,需要准确地知道到达波的方向(DOA)和功率。该文提出了多维非线性目标函数,用来波DOA和功率作优化变量,并采用拟Newton法中常用的Davidson-Fletcher-Powell(DFP)算法进行优化;将优化结果和轮换投影(AP)算法进行比较。仿真表明,当入射信号在空间相隔较远时,该结果和AP算法精度相当,当入射信号在空间接近时,该结果优于AP算法。     

二项抽样下随机化调查的比估计模型

在实际调查中，有一些已知的辅助信息，这些信息可以用来提高调查效率。但所利用的辅助信息是未知的，很少见。本文利用二项抽样的方法获得辅助信息，据此，研究了属性特征随机化调查使用辅助信息的比估计方法，设计了比估计模型，将比估计模型在理论上与Warner模型进行了比较，证明此比估计模型在一定条件下所得到的理论优于Warner模型。     

部分线性模型非参数部分的多项式类关系的检验

对于部分线性模型中非参数部分是否为多项式函数的检验问题,应该先确定其是否为多项式函数类。通过对部分线性模型的拟合残差进行再光滑,基于其变化的趋势性构造统计量以检验其是否为多项式函数类,给出了计算检验P-值的精确算法和三阶矩χ2逼近方法,模拟例子与实际例子充分显示了本方法的有效性。     

非参数回归估计与人工神经网络方法的预测效果比较

文章研究了非参数回归方法在中石油和浦发银行等六支股票的价格预测中的应用.讨论了核估计、k阶最近邻估计、样条估计和惩罚样条估计4种常用的非参数回归方法,其中,核估计和k阶近邻估计共选取5种不同的权函数.最后,以MAPE为判断指标,将非参数回归方法的预测结果与RBF(多变量插值的径向基函数)人工神经网络方法的预测结果进行了比较.     

定数截尾情形下一类分布族参数的Minimax估计

文章基于定数截尾情形,在加权平方损失函数和MLINEX损失函数下,讨论了一类分布族参数的Bayes估计和Minimax估计。最后给出了数值模拟例子对极大似然估计和Minimax估计进行比较。     

生长曲线模型中协方差矩阵的齐次和非齐次估计的可容许性

讨论了生长曲线模型(1.1)中协差矩阵的二次型估计在齐次和非齐次估计类中的可容许性问题,并得到了相应的充要条件。     

基于Elman反馈型神经网络、蒙特卡罗模拟与核估计的经济增长预测研究

本文构建和训练以投资、消费、政府支出与出口变化率为输入变量，GDP增长率为输出变量的Elman神经网络。在假设输入变量服从给定概率分布的情况下，采用蒙特卡罗模拟网络输出GDP增长率，并通过核估计估算GDP增长率的概率分布曲线。     

物业税税率设计的区间估计

物业税的改革必须考虑对相关各方的影响,使物业税的改革不至于对经济和社会造成大的波动,而税率的设计是关键.物业税的税率既要保证政府的财政收入,又不能使纳税人的税收负担过重,文章据此设计了物业税的税率设计模型,最后推导了物业税的税率区间.