摘要： 為解決僅利用單一數據源進行可靠性評估時估計精度不高的問題,文章建立多權重數據統計融合可靠性評估模型。針對大樣本情況,采用核密度估計及回歸分析法確定密度函數,用權重法對密度函數加權得到合成密度函數,由分布函數的逆函數模擬生成隨機樣本;在小樣本情況下,選用Bootstrap方法估計分布特征參數,通過參數加權進行數據融合;對多維數據借助多維核密度估計進行融合,并在融合算法基礎上建立可靠性分析模型。最后,通過算例驗證了該類模型的可行性和有效性。

摘要： 文章針對正態分布數據,對比Traditional方法、Bootstrap方法和MCMC方法在兩側面交叉設計(p×i×h)和兩側面嵌套設計(p×(i:h))下各個方差分量的估計精度,為實際應用提供參考。使用R軟件模擬1000批數據,并在R軟件上實現三種方法的方差分量及其變異量估計。結果表明:(1)相較于Traditional方法和MCMC方法,相同條件下,Bootstrap方法估計的方差分量及其變異量結果更為理想;(2)對于兩側面交叉設計和兩側面嵌套設計,在正態分布數據下,建議優先使用Bootstrap方法。

摘要： 目前有很多檢驗正態性假設的方法.這些方法主要分為兩種類型:一種是基于經驗分布函數的檢驗,另一種是基于相關性和回歸的檢驗.在本文中,我們提出了一種新的基于L_(2) Wasserstein距離和第i個樣本順序統計量近似分布的兩步檢驗方法.我們討論在零假設下新檢驗方法的特性,并與最常用的幾種檢驗分別在四個備擇分布組進行功效比較.最后,將新方法應用于分析實際問題.仿真結果表明,新檢驗方法提高了鑒別不對稱長尾備擇分布的效率.

摘要： 本文基于2014-2018年我國36家上市商業銀行的面板數據,將貸款損失準備金和不良貸款作為非期望產出,分析風險管理因素對中國上市商業銀行效率的影響,并對國有大型商業銀行、股份制商業銀行、城市商業銀行和農村商業銀行四類銀行效率進行對比研究,并采用Bootstrap方法對影響銀行效率的因素進行分析。

摘要： 當響應變量隨機缺失時,對感興趣的參數進行統計推斷過程中,常見的兩個工作模型為回歸函數模型及選擇概率模型.為避免由于模型設定錯誤所帶來的推斷偏差,針對回歸函數模型及選擇概率模型進行模型檢驗是必要且有意義的.為此,本文首次將特征函數分別應用于響應變量隨機缺失及響應變量為離散變量的模型檢驗問題,構造了基于樣本點間歐氏距離的檢驗統計量.所提檢驗避免了平滑參數如帶寬的選擇,同時能夠以最快的參數速度檢測到局部備擇假設.進一步,本文將交并檢驗理論與模型檢驗理論相結合,針對復合原假設:兩個工作模型中至少有一個模型設定正確,提出了交并模型檢驗方法.該檢驗的一個重要應用場景為判斷參數的雙穩健估計是否為相合估計.本文深入研究了交并模型檢驗在原假設、全局備擇假設及局部備擇假設下的漸近性質,并利用boostrap方法確定檢驗的拒絕域,研究交并模型檢驗在有限樣本下的功效表現.最后,本文將所提的交并模型檢驗方法應用于分析艾滋病研究的臨床試驗數據.值得一提的是,本文所提的交并模型檢驗不僅具有良好的功效表現,而且方法簡單易行,對應的p-值易于計算.

摘要： 在電子商務領域,受季節變動、特殊節日、需求不確定性以及商品自身特性等多種因素的影響,收集到的易逝品在線銷售數據常常具有稀疏性,給易逝品的定價研究帶來一定困難。為了從易逝品在線銷售數據中挖掘出關于最優價格的有效信息,為易逝品定價提供決策支持,本文圍繞易逝品在線銷售數據的稀疏性問題展開研究,將BootStrap和核回歸相結合的方法用于處理易逝品在線銷售數據的稀疏性問題。結果表明:易逝品在線銷售數據具有可利用的有效數據點較少、價格數據呈稀疏分布的稀疏性特點。經過稀疏性處理后,可得到價格水平與其對應的BootStrap置信度之間的非線性函數關系,并可通過此非線性關系清晰地看出整個定價區間中的價格孰優孰劣,從而為商家制定商品價格提供決策依據,也為后續的定價研究奠定基礎。

摘要： 本文通過對進出口總額這一時間序列數據進行分析,運用B-J方法進行建模,通過模擬得到了系數在大樣本理論下不滿足漸進正態分布的結論,為了進一步驗證,本文運用了參數Bootstrap方法對系數進行估計。結論表明,大樣本情形下系數并不總是漸進正態分布的。

摘要： 為進一步提高指控裝備試驗數據使用的有效性和工作效率,基于當前指控裝備效能評估的軍事需求及試驗數據分析現狀,提出一種試驗數據的檢驗與統計分析框架。該框架在分析指控裝備試驗數據類型的基礎上,根據樣本量大小,確定合適的試驗數據異常值檢驗及統計方法;其中,對于小樣本試驗數據采用基于Bootstrap的數據統計分析方法。結果表明,該框架可為下階段指控裝備效能評估的數據使用提供處理方法指導。

摘要： 針對線性最小二乘法處理非線性模型產生模型誤差的問題,文章將高斯牛頓迭代法引入測角網坐標平差模型中,給出測角網坐標平差模型的高斯牛頓迭代法計算過程.考慮到非線性平差模型的參數估計值是有偏估計,結合Bootstrap重采樣方法對參數估值進行改善,提出測角網坐標平差模型的Bootstrap參數估計方法,并給出詳細的迭代流程圖.針對等精度與不等精度角度觀測數據,設計兩個測角網案例.實驗結果表明,測角網坐標平差模型的高斯牛頓迭代解法能夠削弱線性近似帶來的模型誤差影響,其參數估值優于傳統的線性近似方法;而測角網坐標平差模型的Bootstrap參數估計方法比高斯牛頓迭代解法在提高測角網坐標平差參數估值質量方面更加有效.實驗證明將高斯牛頓迭代解法應用于測角網坐標平差模型的必要性與實用性,也證明將Bootstrap重采樣參數估計方法與高斯牛頓迭代解法結合并用于測角網坐標平差的可行性與有效性.

摘要： 準確高效的異常數據識別與缺失數據恢復是電力網絡穩定運行的基礎.提出了一種配網網絡狀態監測異常數據清洗方法.首先,利用堆疊降噪自編碼器(SDAE)學習正常數據和異常數據特征,去除噪聲后獲取損失函數曲線.然后,采用Bootstrap方法估計置信區間,設置異常數據識別門限,通過多分類支持向量機完成異常類型識別.最后,針對缺失數據,設計了Pearson相關系數進行插補恢復.實驗結果表明,該方法能夠有效識別配電網絡異常數據類型,且缺失數據恢復性能優于現有方法.