期刊指标
提交
杂志简介
编辑聚光灯
特殊的问题最新文章
更多文章
线性回归模型中的随机约束套索型估计
在几种变量选择方法，LASSO是用于当存在多重共线性预测变量中在高维线性回归模型同时处理正规化和变量选择最可取的估计过程。由于Lasso是在高多重不稳定，弹性网（硅谷动力）估计已经被用来解决这个问题。据文献报道，回归参数估计可以通过加入约回归系数的模型，这在精确的或随机线性限制的形式可获得的现有信息来提高。在这篇文章中，我们提出了一个随机的限制LASSO型估计（SRLASSO）通过将随机线性限制。此外，我们比较了基于蒙特卡罗模拟研究SRLASSO用套索均方误差（RMSE）准则和平均绝对预测误差（MAPE）标准的性能和硅谷动力根。最后，一个真实的例子来证明SRLASSO的性能。
改进的价值在-风险的异方差过程及其覆盖概率
在金融风险管理通常使用的风险度量，即价值在险价值（VaR），进行了研究。特别是，我们发现了异方差工艺使得它的（条件）覆盖概率接近标称值VaR的预测。要做到这一点，我们注重估计变化的影响，如渐近偏差和均方误差。数值分析进行说明这计算为自回归条件异（ARCH）模型，可观察到的波动类型模型。在比较中，我们发现风险价值的潜在波动率模型，即随机波动的自回归（SVAR）模型。研究发现，估计可变性的效果显著获得的VaR预测有更好的覆盖。另外，我们可能只能评估无条件覆盖概率的VaR预测SVAR模型的。这是由于该模型的波动过程中是不可见的。
基于双参数gompertz的性能研究控制图
在本文中，提出了控制图的两种方法来监视基于所述两参数的Gompertz分布的过程。所提出的方法是姜氏休哈特方法和姜氏偏度校正方法。仿真研究，以建议的图表的性能与各种样本规模的偏度校正方法的比较。此外，在冰箱上，其是具有贡佩尔茨分布的属性数据非正常涂料厚度现实生活中的数据被用来说明所提出的控制图。覆盖概率（CP），控制极限间隔（CLI），和平均运行长度（ARL）被用来测量所述两种方法的性能。结果发现，其中控制极限值通过下划线分布的百分位计算的贡佩尔茨确切方法具有最高的覆盖概率，而贡佩尔茨休哈特方法和贡佩尔茨偏斜度校正方法具有至少CLI和ARL。因此，所述基于贡佩尔茨-两参数的方法将检测外的控制更快用于基于贡佩尔茨图表。
广义最大熵方法与贝叶斯方法对威布尔增长模型四参数估计的比较研究
威布尔增长模型是描述增长不稳定性的重要模型;因此，本文提出了三种方法，即广义最大熵法、贝叶斯法和最大后验法来估计四参数威布尔增长模型，并进行了比较。为了实现这一目标，需要使用模拟技术生成样本并执行所需的比较，使用不同的样本大小(10、12、15、20、25和30)和根据标准偏差(0.5)建立的模型。计算结果表明，贝叶斯方法给出了最优估计。
检测墨西哥特拉克斯科最高温度变化的参数化方法
在本文中，变化点参数的方法的比较结果，从特拉斯科，特拉斯卡拉，墨西哥的自治市施加到最高温度的记录，被呈现。考虑方法是似然比检验，测试得分，以及二元分割（BS），修剪精确线性时间（PELT），和段附近(SN)。为了比较这些方法，对数据进行了质量分析;此外，用线性回归估计丢失的数据，最后调整SARIMA模型。
L形曲线准则作为选型工具的PLS回归
偏最小二乘(PLS)回归是一种替代普通最小二乘(OLS)回归，用于存在多重共线性。与其他建模方法一样，PLS回归需要一个可靠的模型选择工具。交叉验证(CV)是最常用的一种工具，它在准确性和精确性上都有很多优点，但也有一些缺点;因此，考虑到PLS的收缩性，我们将使用L-curve准则作为替代，给出了使用L-curve准则的理论依据，并在模拟数据和实际数据上进行了应用。应用表明，该准则在均方预测误差和计算效率方面普遍优于交叉验证和广义交叉验证(GCV)。
