A density based empirical likelihood approach for testing bivariate normality

Sample entropy based tests, methods of sieves and Grenander estimation type procedures are known to be very efficient tools for assessing normality of underlying data distributions, in one-dimensional nonparametric settings. Recently, it has been shown that the density based empirical likelihood (EL) concept extends and standardizes these methods, presenting a powerful approach for approximating optimal parametric likelihood ratio test statistics, in a distribution-free manner. In this paper, we discuss difficulties related to constructing density based EL ratio techniques for testing bivariate normality and propose a solution regarding this problem. Toward this end, a novel bivariate sample entropy expression is derived and shown to satisfy the known concept related to bivariate histogram density estimations. Monte Carlo results show that the new density based EL ratio tests for bivariate normality behave very well for finite sample sizes. To exemplify the excellent applicability of the proposed approach, we demonstrate a real data example.     

Measures of information for maximum ranked set sampling with unequal samples

Biradar and Santosha (2014 Biradar, B. S., and C. D. Santosha. 2014. Estimation of the mean of the exponential distribution using maximum ranked set sampling with unequal samples. Open Journal of Statistics 4:641–49.[Crossref] , [Google Scholar]) proposed maximum ranked set sampling procedure with unequal samples (MRSSU) to estimate the mean of the exponential distribution. In this paper, we consider information measures of MRSSU in terms of Shannon entropy, Rényi entropy and Kullback-Leibler (KL) information. We also compare the uncertainty and information content of MRSSU with simple random sampling and ranked set sampling data. Finally, we develop some characterization results in terms of cumulative entropy and failure entropy of MRSSU.     

交通运输促进新型城镇化发展的实证检验

推进新型城镇化建设,构建现代化的交通运输体系,是促进地区经济高质量增长的需要。基于向量自回归模型,构建新型城镇化与交通运输评价指标体系,利用熵值法测定陕西省2000～2016年的新型城镇化与交通运输发展的综合评价指数,并进行格兰杰因果关系检验、脉冲响应函数检验和方差分解。研究认为,新型城镇化和交通运输都发展较快且呈现同步发展的趋势;新型城镇化与交通运输存在单向的格兰杰因果关系,交通运输是推进新型城镇化的格兰杰原因,在短期内交通运输可有效促进新型城镇化的发展;脉冲响应检验与方差分解表明,交通运输对新型城镇化具有明显的短期正向促进作用,新型城镇化对交通运输具有长期持续的正向促进作用。     

考虑支线运输服务的多式联运网络优化

在多式联运网络优化的同时一并对支线运输服务方案进行综合决策,提出Ⅱ阶段决策方法。模型第Ⅰ阶段表述为0~1整数规划问题,对网络设计以及网络流运行进行规划,基于阶段Ⅰ的优化结果提出第Ⅱ阶段决策过程,表达为带时间窗的支线车辆路径问题。针对模型的Ⅱ阶段结构特点,以两个阶段相互影响和反馈为求解思路,设计以交叉熵为主体的启发式算法,采用算例分析方法证明模型和算法的有效性,最后将Ⅱ阶段优化模型与两个阶段分别优化进行对比,指出在模型与算法参数均一致的情况下可降低成本73%。     

非定向流量限定型军事路网隐蔽性熵测度及其运输分配研究

考虑到战争时期军需物资运输不存在道路定向的限制,而存在运量有限的要求,本文在已有研究基础上提出了流量限定且隐蔽性最大条件下的非定向军事路网隐蔽性熵测度方法,以及该测度方法下的军需物资运输分配模型。新的隐蔽性测度公式与物资运输分配模型能兼顾非定向性和流量限定两方面约束,更为符合实际需要。此外,文中还分析了非定向和流量限定条件下军事路网多方面性质,即非负性、对称性、扩展性、收发路段的定向性、路网的可转换性以及路网循环流的可能性。结合隐蔽性熵测度方法和路网性质,笔者构建了非定向流量限定条件下军需物资运输分配模型。最后,通过具体算例充分验证了新隐蔽性熵测度方法和运输分配模型的可行性与有效性。     

基于粗糙集条件信息熵的权重确定方法

权重确定是管理决策和评价的重要环节,现有的权重确定方法基本依赖于专家的先验知识。粗糙集权重确定方法由于其不需要所处理数据集合的先验信息、充分体现数据客观性的特点在管理决策中得到日益广泛应用。但是,原有的粗糙集权重确定方法无法确定冗余属性的权重。本文针对粗糙集的信息表示比代数表示更全面的特点,通过粗糙集条件信息熵属性重要度的分析,提出了新的基于粗糙集条件信息熵的权重确定方法,并分析了其合理性。通过算例证明,新的条件信息熵权重确定方法可以解决原有粗糙集权重确定方法无法解决的问题,从而提高了方法的普适性和可解释性。     

上市公司股权激励与公司绩效关系研究

上市公司股权激励与公司绩效之间存在什么样的相关性,是众多学者研究的重要问题。文章以熵值法得分衡量上市公司绩效,以上市公司用于股权激励的股本数量占总股本的比例作为解释变量,对公司绩效进行了实证分析,并通过回归分析和显著性检验,得出以下结论：高管层持股比例与公司绩效存在非线性关系 高管层持股比例与公司绩效存在区间效应 公司规模对高管层持股与公司绩效关系影响显著 公司成长能力对高管层持股与公司绩效关系影响很小。     

带有碰撞感知的MANET可用带宽估计方法

准确获知当前可用带宽信息是更加合理、有效使用Ad hoc网络资源的前提。该文提出了一种基于数据帧重传预测的Ad hoc网络可用带宽估计方法。该机制通过平均竞争窗口大小估计数据帧碰撞以及重传情况,进而通过多个节点协同工作的方式来估计当前可用带宽。仿真结果表明基于平均竞争窗口的估计方法能够比较准确地估计碰撞情况,采用该机制所估计的可用带宽数值与实际测量值比较接近。     

一种基于带熵的遗传算法在车间调度中的应用

车间调度问题是现代制造业快速发展的瓶颈因素,因此提高车间调度的效率和有效性就成了生产制造领域大家普遍关注的问题。现行的车间调度问题遗传算法已经不能满足现代制造业快速发展的要求,多因为其静态性或效率差,表现为早熟或收敛停滞,究其根本原因还是GA的最优参数的选取问题,本文引入了信息熵的概念,以动态调整交叉概率和变异概率,从而给出了可以快速获得最优解的自适应遗传算法,并对此改进算法加以实例仿真验证其有效性。     

含流动性约束及保证金购买的多空投资组合选择模型

本文在基于风险资产的价格服从梯形可能性分布的基础上,引入流动性约束、保证金限制、交易成本和存贷利差等因素,建立了多空投资组合模型。利用非线性规划理论和极大熵方法,给出了求解该模型的一种方法。最后,通过实例验证了主要结果并分析了流动性约束、保证金、交易费和存贷利差等因素对投资组合有效前沿的影响。