一、L─统计量的Bootstrap逼近（论文文献综述）
施锡铨[1]（1987）在《关于Bootstrap的回顾》文中研究表明 Computer-intensive法中目前占显着地位的当推Bootstrap,由Efron在1979年首先提出,近几年由于它的应用价值吸引了越来越多的人的浓厚兴趣.国外统计学者普遍倾向于认为它比Jackknife更具魅力.1980年魏宗舒教授向国内作了首次介绍并将Bootstrap译作“自助法”。这两、三年间关于Bootstrap的研究在我国得到了一定程度的重视,并先后获得了一些成果.本文这一部分试图较详细地介绍Bootstrap及其研究动态.
陈建宝,乔宁宁[2]（2015）在《半参数变系数回归模型的空间相关性检验》文中认为本文对半参数变系数回归模型,构造了新的空间相关性检验统计量,利用三阶矩χ2逼近方法导出了其检验p-值的近似计算公式,蒙特卡罗模拟结果表明,该统计量在检测空间相关性方面具有较高的准确性和可靠性。同时考察了误差项服从不同分布时的检验功效,体现出该检验方法的稳健性。进一步,我们还给出了检验统计量的Bootstrap方法以及检验水平的模拟效果。
欧阳敏华,雷钦礼[3]（2013）在《一般门限非对称误差修正模型的估计与检验》文中认为本文将通常的门限非对称误差修正模型进行了拓展,在门限变量为一般平稳变量情形下,建立了对协和向量和门限参数联合估计的条件最小二乘估计法;构造了对门限非对称效应检验的SupWald统计量,并给出了其渐近分布的bootstrap逼近方法。Monte Carlo模拟研究的结果表明:随着样本量的增大,协和向量和门限参数的条件最小二乘估计量具有一致性特征;在有限样本下,SupWald统计量具有较好的检验水平和较高的检验势。将这一模型应用于对沪深300股票指数期货和现货价格之间动态关系的研究,结果表明两者之间长期存在协和关系,短期非均衡误差调整动态存在门限非对称效应。
余彬[4]（2015）在《二元响应变量的三臂非劣效性试验》文中认为非劣效性试验广泛地用于证明一种新药在事先给定的非劣效界值下疗效不劣于阳性对照药.但不包含安慰剂对照组的两臂非劣效试验在试验设计、分析和评价中都存在诸多问题.例如非劣效界值难于选取,检验的灵敏度无法保证等等.在伦理许可的情况下,包含安慰剂臂的三臂非劣效性试验能很好的解决上述困难.三臂非劣效性试验设计中包含试验药（新药）组、传统药（阳性）对照组和安慰剂对照组,检验问题不仅比较了新药是否非劣效于传统药物,也比较了新药是否优于安慰剂,保证了药物的有效性,同时达到了试验内部和外部确证,使非劣效性检验达到了很高的效果.在过去,一些基于大样本理论的方法已经用于三臂非劣效性试验去评价新药的有效性和非劣性,但这些方法在试验样本量偏小的情况下效果都不尽人意.因此,本文针对三臂非劣效性试验中,当样本量较小的情形下讨论其有效的统计推断,具体内容如下：一.对于具有二元响应变量的三臂非劣效性试验,我们首先基于相对差异比建立了假设检验,首次研究了鞍点逼近、精确无条件检验及渐进无条件检验方法在该试验中的应用.同时讨论Wald-型检验统计量,score-型检验统计量和likelihood ratio检验统计量.通过模拟计算比较了各检验方法以及各统计量的统计性能.根据模拟结果的经验,从犯第一类错误概率和检验功效上看,三个统计量中约束Wald统计量TR也即score统计量优于其它两个统计量TW和TL,统计量TR在我们考虑的参数设置下是稳健的.而五种检验方法中渐进无条件检验法（AUM）和Bootstrap重抽样检验法（BTM）效果更好,大多情况下他们犯第一类错误概率更接近于名义值,而同时相应的功效更大.二.对于具有二元响应变量的三臂非劣效性试验,我们也讨论了感兴趣参数Φ的区间估计问题.首次将鞍点逼近和Edgeworth展开方法应用于建立砂的置信区间,并与现有的一些置信区间如Wald型渐近置信区间、约束Wald型渐沂置信区间、Bootstrap重抽样型置信区间和MOVER混合型置信区间做了比较.通过模拟计算和实例详细地说明了上述各种区间在我们讨论的检验模型中的优劣.研究表明：当样本量较小时鞍点逼近型、Edgeworth展开型和Bootstrap重抽样型置信区间的经验覆盖概率相对于我们讨论的其它类型的置信区间更接近名义值,而区间宽度更小.三.同样对于具有二元响应变量的三臂非劣效性试验,我们还进行了Bayes推断,模拟计算了H1的后验概率.并且将本文讨论的假设检验转化为Bayes决策问题,首次利用Bayes后验风险准则分别在0-1损失函数和平方损失函数下模拟计算了三臂非劣效试验的最佳样本容量.通过实证分析我们发现：Bayes检验与经典假设检验的结果基本一致,但检验过程相对以往的假设检验更简单；利用Bayes后验风险准则求最佳样本容量,特别是在平方损失函数下,后验风险即为后验方差,使得计算过程非常简单,而且风险较小.总之,本文较全面系统的研究了含二元响应变量的三臂非劣效性试验的检验以及感兴趣参数的置信区间构造和试验样本容量的确定问题.在前人研究的基础上,给出了多个统计量和多种检验方法,通过比较找到最优的选择.理论研究最终是要服务于生产生活,三臂非劣效性试验广泛存在于生物和医学领域,对于试验的非劣性评价是当今国内外医药统计研究的热点问题之一.我们研究的问题来源于实际应用,并在研究过程中始终坚持理论联系实际,用实证来支持思想和方法的合理性.
尹堂文[5]（2018）在《基于飞行安全调和测度及科学计算的人为因素设计与验证》文中研究说明飞行安全性是衡量航空系统先进程度的最重要标准,也是人为因素设计及其适航符合性验证的主要目标。人因意外是导致飞行安全事故的最主要原因之一,而人因意外无法从根源上加以杜绝的根本原因在于对人机工效状态空间的认识不够充分;人机与环境系统及飞行任务诸多方面的不确定性使人机工效状态空间极其庞大、复杂;因此,为了完成在飞行安全、飞机性能、机组绩效等方面的人为因素设计与验证,为了可持续地促进飞行系统的自动化扩展及安全性增强,需要探索一整套科学的解决方案,以获取足够的人机工效状态空间研究数据样本,推进基于人机工效状态空间的人为因素研究,促进计算人因与工效学的发展并推广其应用。人为因素设计与验证问题可以通过面向科学计算的人机与环境复杂系统建模与仿真转化为人机工效状态空间的事实与逻辑问题。对人机与环境复杂系统演变发展的模拟与仿真旨在再现飞行机组、飞机系统、飞行环境、飞行任务等方面的飞行条件、飞行状态、飞行性能的动态演进;演进的结果为人机工效状态空间中的一条高维曲线,也是人机工效状态空间的一个数据研究样本。人机工效状态空间包含交互与评估两个维度的基础信息数据;第一个维度标记飞行系统各层次的构型配置及各动态过程的交互事件;第二个维度标识飞行安全、飞机性能、机组绩效及飞行系统广义评价指标的量化测度。基于人机工效状态空间的人为因素研究包括四个层次的信息算法;第一个层次为基于人机工效大数据的统计建模;第二个层次为基于数据统计模型的因果推断;第三个层次为基于数据统计模型的人因反演;第四个层次为基于数据统计模型的正交实验设计。具有前瞻性的航空人为因素设计与验证能为飞行系统控制及航空系统工程中的协调与决策提供科学依据。本文就上述主题展开了全面、深入的理论与计算研究,具体的工作分为四个部分:首先,我们从方法论的角度探讨基于飞行安全调和测度的人为因素设计与验证解决方案,从方法体系、理论体系、技术体系、工具体系四个方面阐述面向科学计算的人机环智能系统建模与仿真及其在人为因素设计与验证中的作用。在明确了人为因素设计与验证这一科学问题之后,我们探究了飞行系统及人因交互的异构性,探究了科学计算及虚拟工程的适用性,探究了以人为中心的样机设计与制造,探究了多粒度合成飞行域模型、多层次异构域交互、多目标评估的统一表示,探究了人因与工效学问题的研究广度、深度、跨度,并据此提出了通过面向科学计算的人机与环境复杂系统建模与仿真将人为因素设计与验证问题转化为人机工效状态空间的事实与逻辑问题的可行性解决方案。然后,我们从大数据获取的角度探讨基于人机环智能系统建模与仿真的人机工效状态空间研究样本生成方法,从基于任务的人机耦合策略模型、飞行动力学的不变张量模型及基于有限体积法的计算空气动力学、面向飞行任务描述及飞行测试规划的飞行场景、飞行安全的内禀因素及调和测度、飞机性能的无量纲约简、飞行品质及机组绩效的客观评价、航空广义评价指标的变换域测度、全数字快速计算平台的分布式部署八个方面阐述人机环智能系统的复杂人机交互及其再现。在完成任务时,人类通常会期待最好的结果,做好最坏的准备、保证正常的绩效。基于任务的人机耦合策略模型以多特征模式及其结构化实现为独特视角,以解决问题计算序列及其逻辑与算术深度为主要原则,以最优控制、鲁棒控制、自适应决策为主要方法,从复杂性、自适应性、不确定性各层面模拟人类的能力及特征。飞机模型是人机耦合策略模型的操控对象,飞行动力学的不变张量建模及矩阵编码便于飞机模型的计算机仿真,也便于人机与环境复杂系统仿真度与可信度的提高。飞行场景以参数形式表征飞行任务及飞行条件的构型配置;其中,飞行任务的航段组成及衔接描述信息主要面向人机耦合策略模型,飞行条件的数据窗口及数据项规划信息主要面向适航符合性验证。及时察觉并准确评估正在迫近的危害是安全防范的根本。飞行安全性的检测涉及各类飞行事件及评价准则,且难以客观定量分析,检测结果也难以有效利用。我们将安全要素归结为三个内秉因素,并将其集成于统一的调和测度机制,使飞行安全性可借助于概率测度客观定量地加以测评,甚至预测。飞行性能的无量纲约简有助于将各种复杂飞行情况转化为内秉安全因素。通过性能参数的标准化及合理分组,无量纲飞行性能既便于在客观的环境中施加检测,又能准确地反映不同飞行环境及状态下的实际飞行性能。我们尝试在虚拟环境中实现对人-机系统的主观评价,并将其作为飞行品质及机组绩效的客观评价。鉴于飞行品质及机组绩效的评判是一个协同验证、多重决策与反馈控制的过程,我们从协同学习与预测控制的角度,在集成认知框架下的人机耦合策略模型中内嵌评价飞行品质及评估机组绩效的内省能力。人为因素研究涉及诸多抽象概念属性的主观评价。通过类比流体力学中的传输现象及传输属性,我们尝试将广义评价指标的相对概率测度及定量分析推而广之。基于面向服务构架的分布式计算平台在计算复杂性、分布性、并行性、开放性和可扩展性等方面全面支持了人机与环境智能系统建模与仿真,是人为因素设计与验证的科学计算及研究平台。接下来,我们从大数据计算的角度探讨基于人机工效状态空间的前瞻性航空人为因素研究方法,从人机工效大数据分层布局、人机工效大数据统计模型、人机工效大数据因果推断、人机工效大数据人因反演、人机工效正交实验设计五个方面阐述数据驱动及面向问题的人机工效大数据研究方法。混合效应及因果协变模型、Bootstrap参数随机化估计算法、拟合优度框架下的因果关系存在性判断算法、潜在结果框架下的因果效应显着性评估算法、人因反演响应核的最佳统计估计算法、人机工效状态子空间的渐进逼近算法等成果全面推进了基于人机工效状态空间的航空人为因素研究。最后,我们从系统控制与系统工程的角度探讨基于科学计算的航空人为因素设计与验证方法在飞行系统的自动化扩展及安全性增强方面的应用前景,并特别关注飞行安全调和测度在飞行器系统控制中的反馈作用、人为因素设计与验证在航空系统工程中的前馈作用。
肖燕婷,田铮,郭文艳[6]（2014）在《时空地理加权模型回归关系的非平稳性Bootstrap检验》文中研究指明文章针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计。对整个回归关系进行关于时间和空间的全局非平稳性检验,基于估计残差,构造广义似然比统计量,利用Bootstrap方法计算检验的p值。模拟算例和实际例子均说明该检验方法的有效性。
王云[7]（2018）在《两阶段设计下全基因组关联分析的MAX精确检验》文中研究表明生物遗传统计及医学研究的重要课题之一是人类多基因疾病的研究,伴随着人类基因组计划的发展和完成,许多人类复杂性疾病得以发现,同时科学研究者们也找到了一些疾病的发病基因,为我们人类预防和诊断治疗多基因疾病提供了帮助和方向。全基因组关联研究分析是人类研究复杂性疾病最常使用的思路之一。本文采用病例—对照研究设计方式,在全基因组关联研究分析中,将两阶段分析的MAX检验联合分析策略与一阶段设计的MAX精确检验相结合,并将两阶段下的MAX精确检验方法Ma Xact算法与两阶段设计思路下的一种相似于Bootstrap参数重抽样的方法和正态逼近方法作比较分析,结果显示了两阶段设计下的MAX精确检验方法Ma Xact算法计算p值的速度比Bootstrap参数重抽样法快很多,而正态逼近方法和Ma Xact算法的计算速度相当,但是考虑到基因测序成本、基因测序工作量等等因素,Ma Xact算法或许可以实现其效果。紧接着,论文通过实例进一步验证所得结论,并简要分析实例结果。
聂思玥[8]（2014）在《门限自回归模型的理论与应用研究》文中研究说明经济学理论和经济研究实践都表明,很多重要的宏观经济时间序列可能表现出非线性动态调整特征。而这类非线性动态调整特征需要依靠非线性时间序列模型才能准确地进行建模。作为非线性时间序列主流模型之一的门限自回归（TAR）模型,自Tong（1983）较完整地提出后,其估计和检验理论都得到了迅速的发展和完善。在Enders和Granger（1998）提出了冲量自回归模型（MTAR）后,Tong（1983）提出的模型被称之为自激励门限自回归模型（SETAR）,这样TAR模型就被区分为SETAR和MTAR模型。然而,学术界一直没有文献对这两类模型进行系统的对比研究。在总体平稳条件下,本文对这两类门限自回归模型进行了系统的对比研究。非平稳性理论研究方面,本文在CH（2001）、Seo（2008）和KS（2006）等人的基础上,对SETAR和MTAR模型的单位根检验理论进行了深入的拓展研究。因而,本文的主要研究工作可从以下四个方面阐明：在SETAR与MTAR建模的比较研究方面,本文从直观特征、样本统计矩、经济含义以及建模特征等四个方面对SETAR和MTAR模型进行了详细的对比研究。研究结论认为MTAR过程比SETAR过程有更多的尖点；平稳条件下,两类模型的样本矩函数都稳定地收敛到其总体矩,但总体矩函数的具体计算公式未知；SETAR模型一般适用于研究经济变量的均值回复性等问题,而MTAR模型则可刻画政策对冲的实时有效性等经济问题；在建模方面,本文认为用bootstrap I临界值加权的WSSR方法可以有效地进行模型甄别,提高建模准确率。为揭示传统单位根检验方法在非线性条件下的不适用性,本文用ADF、PP、 KPSS、ERS等单位根检验方法对各类不同的非线性模型进行检验尺度和检验功效模拟。结论认为,非线性特征由于其具体形式和参数的不同,可能会对数据过程的非平稳性起到“激化”作用,也可能会对非平稳性起到一定的“隐藏”作用,有必要从非线性模型的理论层面发展非线性单位根检验理论。在SETAR与MTAR模型单位根检验的理论研究方面,本文第三章将CH（2001）的2体制MTAR模型单位根检验理论拓展到3体制MTAR模型的单位根检验中,得到了检验统计量的渐近分布；在第四章中分别将Seo（2008）的2体制SETAR模型单位根检验理论和KS（2006）的2体制SETAR模型单位根检验理论拓展到估计方程含截距项的情形下,推导得到了检验统计量的渐近分布。在Monte Carlo模拟研究方面,本文在一般情况下和均值突变情况下,分别用各个统计量的渐近临界值和bootstrap临界值对其检验尺度和检验功效进行模拟。结果显示在MTAR模型的单位根检验中,渐近临界值方法在样本容量较小时检验尺度偏大,但检验功效则尚可；而对于bootstrap方法,除了在含均值突变3体制EQ-MTAR的单位根检验中表现出检验尺度偏大以外,其他时候的检验尺度和检验功效都较为满意。在SETAR单位根检验的模拟试验中,渐近临界值法在所有模拟试验中都表现为检验功效偏低,而bootstrap方法的检验尺度和检验功效均较好。在实证研究部分,本文用3体制SETAR模型研究了人民币对美元汇率的非线性动态调整问题。主要结论是,人民币对美元汇率的退势序列存在“BOI”区域,该过程应该用3体制SETAR模型来进行描述；在短期动态均衡中,人民币和美元之间存在相对购买力平价的关系,但调整周期长,是一个强持续性过程；人民币汇率有更大比例处于升值体制中,可认为人民币升值压力较大,且升值体制较贬值体制有着更快的均值回复速度,显示了市场对升值压力的抵抗和一定程度的外干预力量。
高奎[9]（2020）在《厚尾序列均值变点的统计推断及其应用研究》文中研究指明对金融市场波动性的建模与预测分析是计量经济学领域的热点问题。研究发现许多金融数据是非平稳的,具有“尖峰厚尾”特征,其分布比正态分布呈现更大的尾概率,致使大量数据信息滞留在尾部。结构变点是导致时序数据非稳定的一个重要原因,故构建计量模型之前进行有效的结构变点检测就显得非常必要。均值是金融数据的重要数值特征,因此本文主要围绕厚尾序列均值变点的统计推断问题展开研究,具体内容如下。针对经典的累积和检验统计量易受变点位置影响的缺陷,通过将统计量颠倒构建了其修正形式,从而实现厚尾相依序列的均值变点检验。理论证明了修正的累积和检验统计量分别在原假设与备择假设下的极限分布。鉴于时序数据的相依性和厚尾性,采用Block Bootstrap抽样方法解决了统计量渐近分布的临界值确定问题。数值模拟结果表明:修正的累积和检验统计量不仅克服了原统计量依赖变点位置的缺陷,且经验势值有较明显的提升。为了提升检验功效,给出了一个新的Ratio检验统计量。基于广义的中心极限定理,得到原假设下统计量的渐近分布,并在备择假设下证明了该检验的一致性。数值模拟结果表明:Ratio检验能很好的控制经验水平,较之前的修正累积和检验方法,经验势值也有一定的改善。最后,为进一步验证文中提出的均值变点检验方法的可行性和有效性,选取了两组金融股票数据进行实证分析。研究发现对于均值变点问题,基于Block Bootstrap抽样的Ratio统计量不失是一个有效的检测工具。
涂冬生,成平[10]（1989）在《非截尾型L统计量的Bootstrap逼近》文中提出 这里 J 为[0,1]上的可积函数,F-1（t）（?）inf{x:F（x）≥t},0<p1<p2<…<pm<1,α1,α2,…,αm 为给定的非零常数.T(F?)的渐近性质的讨论曾引起许多研究者的注意.Serfling 在对 J 的不同假设之下（主要是关于 J 截尾或非截尾的假设）讨论了 T(F?)的渐近正态性.下面的定理是 Serfling 在 J 为非截尾时的一个结果.
二、L─统计量的Bootstrap逼近（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、L─统计量的Bootstrap逼近（论文提纲范文）
（2）半参数变系数回归模型的空间相关性检验（论文提纲范文）
| 一、引言 |
| 二、半参数变系数回归模型介绍 |
| 三、空间相关性检验 |
| 四、蒙特卡洛数值模拟结果 |
| ( 一) 误差项服从标准正态分布 |
| ( 二) 不同误差项分布类型 |
| ( 三) Bootstrap 方法 |
| 五、结论 |
（3）一般门限非对称误差修正模型的估计与检验（论文提纲范文）
| 一、门限非对称误差修正模型的拓展 |
| 二、一般门限非对称误差修正模型的条件最小二乘估计 |
| 三、非对称性的检验 |
| (一)Sup Wald统计量及其渐近分布 |
| (二)Sup Wald渐近分布的bootstrap逼近 |
| (三)bootstrap检验的有限样本性质 |
| 四、实证分析 |
| 五、总结 |
（4）二元响应变量的三臂非劣效性试验（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 两臂非劣效性试验 |
| 1.1.2 三臂非劣效性试验 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 后续研究方向 |
| 第二章 二元响应变量的三臂非劣效性试验的检验问题 |
| 2.1 二元响应变量的三臂非劣效性试验 |
| 2.1.1 具有二元响应变量的三臂非劣效性试验设计 |
| 2.1.2 检验统计量 |
| 2.2 检验方法 |
| 2.2.1 渐进方法(AM) |
| 2.2.2 鞍点逼近法(SAM) |
| 2.2.3 精确无条件检验法(EUM) |
| 2.2.4 渐进无条件检验法(AUM) |
| 2.2.5 Bootstrap重抽样法(BTM) |
| 2.3 模拟研究 |
| 2.4 实例分析 |
| 2.5 结论 |
| 第三章 二元响应变量的三臂非劣效性检验问题中砂的渐近置信区间 |
| 3.1 置信区间的构造 |
| 3.1.1 Wald-型置信区间 |
| 3.1.2 Score-型置信区间 |
| 3.1.3 鞍点逼近型置信区间 |
| 3.1.4 Edgeworth展开型置信区间 |
| 3.1.5 Bootstrap重抽样型置信区间 |
| 3.1.6 MOVER型置信区间 |
| 3.2 模拟研究 |
| 3.3 实例分析 |
| 3.4 结论 |
| 第四章 二元响应变量三臂非劣效性试验的Bayes推断及样本容量确定 |
| 4.1 元响应变量的三臂非劣效性试验的Bayes检验 |
| 4.1.1 检验方法 |
| 4.1.2 模拟研究 |
| 4.2 二元响应变量的三臂非劣效性试验Bayes样本容量的确定 |
| 4.2.1 确定样本容量的Bayes方法 |
| 4.2.2 模拟研究 |
| 4.3 实例分析 |
| 4.4 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（5）基于飞行安全调和测度及科学计算的人为因素设计与验证（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 科学问题及解决方案 |
| 1.1.1 科学问题:人为因素设计与验证 |
| 1.1.2 解决方案:人机工效状态空间 |
| 1.2 研究现状及研究成果 |
| 1.3 原始性创新及内容安排 |
| 1.3.1 原始性创新 |
| 1.3.2 内容安排 |
| 第二章 面向科学计算的人机环智能系统建模与仿真 |
| 2.1 引言 |
| 2.2 科学计算及虚拟工程 |
| 2.2.1 传统的样机设计与制造 |
| 2.2.2 以人为中心的样机设计与制造 |
| 2.2.3 基于科学计算的人为因素设计与验证方法 |
| 2.3 计算人因与工效学及异构域交互分析 |
| 2.3.1 科学计算及交互与评估范式 |
| 2.3.2 离散事件系统规范与流固耦合分析 |
| 2.3.3 合成飞行域模型与多目标评估 |
| 2.4 基于合成飞行域建模及多目标评估的全数字计算平台 |
| 2.4.1 飞行动力学的不变张量建模及矩阵编码 |
| 2.4.2 基于有限体积法的计算空气动力学 |
| 2.5 研究内容及研究层次 |
| 2.6 本章小结 |
| 第三章 面向飞行任务描述及飞行测试规划的飞行场景 |
| 3.1 引言 |
| 3.2 面向人机耦合策略模型的飞行任务场景 |
| 3.3 面向适航符合性验证的飞行测试场景 |
| 3.4 飞行场景的形式与内容 |
| 3.4.1 飞行场景与最小飞行机组及机组工作量测量 |
| 3.4.2 飞行场景的涵盖范围及应用环境 |
| 3.5 飞行场景的开发 |
| 3.5.1 飞行场景的开发流程 |
| 3.5.2 基于方法指南的飞行场景开发方法 |
| 3.5.3 飞行机组与飞机及环境的动态关系 |
| 3.5.4 基于强化学习的机组操纵序列 |
| 3.5.5 机组任务与最小飞行机组准则映射关系 |
| 3.5.6 窗口事件及数据项 |
| 3.6 飞行场景的应用 |
| 3.6.1 飞行场景的应用环境 |
| 3.6.2 飞行场景的组合应用 |
| 3.7 飞行场景的验证 |
| 3.7.1 对飞行场景进行验证的四重含义 |
| 3.7.2 飞行场景单项因素的覆盖性验证方法 |
| 3.7.3 飞行场景综合因素对飞行机组工作量的有效性验证方法 |
| 3.7.4 飞行场景综合因素对飞行机组工作量的充分性验证方法 |
| 3.8 本章小结 |
| 第四章 基于任务的人机耦合策略模型 |
| 4.1 引言 |
| 4.2 人机耦合策略模型的结构化实现 |
| 4.2.1 基于规则系统的复杂系统建模方法 |
| 4.2.2 人模型的建模方法概述 |
| 4.2.3 人机耦合策略模型建模 |
| 4.3 人机耦合策略模型的自适应决策与鲁棒控制 |
| 4.3.1 飞行系统的交互、信息、决策与控制 |
| 4.3.2 人机耦合策略模型的最优控制 |
| 4.3.3 人机耦合策略模型的鲁棒控制 |
| 4.3.4 人机耦合策略模型的自适应决策 |
| 4.3.5 人机耦合策略模型的并行优先级 |
| 4.3.6 人机耦合策略模型的智能决策与控制 |
| 4.4 实验及结果 |
| 4.4.1 实验任务:进近及着陆 |
| 4.4.2 实验任务:进近、拉飘及着陆 |
| 4.4.3 基于进近及着陆任务的人机耦合策略模型实例化 |
| 4.4.4 基于进近、拉飘及着陆任务的人机耦合策略模型实例化 |
| 4.4.5 实验设置 |
| 4.4.6 实验结果 |
| 4.4.7 实验分析 |
| 4.5 人机耦合策略模型的验证 |
| 4.6 本章小结 |
| 第五章 飞行安全的内禀因素及调和测度 |
| 5.1 引言 |
| 5.2 内禀安全因素 |
| 5.2.1 动态演进的飞行安全趋势 |
| 5.2.2 内秉安全因素的统一机制 |
| 5.3 调和测度理论 |
| 5.3.1 调和函数及其属性 |
| 5.3.2 调和测度的构建 |
| 5.3.3 边界测度的表示 |
| 5.3.4 一般域上的调和测度 |
| 5.3.5 调和测度与极限距离 |
| 5.4 飞行安全的概率测度 |
| 5.4.1 安全性趋势量化的通用形式 |
| 5.4.2 燃油安全的概率测度 |
| 5.4.3 空间安全的概率测度 |
| 5.5 飞行安全的张量表示 |
| 5.6 张量沿系统轨迹的平移 |
| 5.7 飞行安全的一致性评估 |
| 5.8 航空广义评价指标的变换域概率测度 |
| 5.8.1 广义概念属性的概率测度 |
| 5.8.2 传输属性流 |
| 5.9 基于多层抽象任务特征的表示发现 |
| 5.9.1 流形上的抽象调和分析 |
| 5.9.2 基于微分形式属性密度流的积分内核 |
| 5.9.3 基于时变演进前向可达集的积分域 |
| 5.9.4 基于动态流通边界相交测试的积分曲面 |
| 5.10 沿系统演进曲线的积分泛函 |
| 5.11 实验及结果 |
| 5.11.1 实验设置 |
| 5.11.2 实验结果 |
| 5.11.3 实验分析 |
| 5.12 本章小结 |
| 第六章 飞机性能、飞行品质、机组绩效的客观评价 |
| 6.1 引言 |
| 6.2 性能参数的无量纲约简 |
| 6.2.1 性能表征 |
| 6.2.2 量纲分析 |
| 6.2.3 过程性能参数 |
| 6.3 基于预测控制的协同人因与工效评估模型 |
| 6.3.1 飞行品质主观等级评定 |
| 6.3.2 飞行机组工作状态 |
| 6.3.3 飞行品质与机组绩效的协同验证 |
| 6.3.4 机组工作状态及其约束的协同观测 |
| 6.4 本章小结 |
| 第七章 全数字快速计算平台的分布式部署 |
| 7.1 引言 |
| 7.2 基于快速原型构架的计算平台 |
| 7.3 基于面向服务构架的分布式计算平台 |
| 7.4 本章小结 |
| 第八章 基于人机工效状态空间的人为因素研究 |
| 8.1 引言 |
| 8.2 人机工效大数据研究样本的产生及布局 |
| 8.2.1 人机工效状态空间数据样本的产生 |
| 8.2.2 人机工效状态空间数据样本的布局 |
| 8.3 人机工效大数据研究样本的处理及分析 |
| 8.3.1 数据驱动及面向问题的人机工效大数据研究方法 |
| 8.3.2 人机工效状态空间数据样本的可视化 |
| 8.3.3 人为因素设计与验证统计推断问题的具体化 |
| 8.3.4 分层多元纵向数据可变分位混合效应及因果协变模型 |
| 8.3.5 基于数据统计模型的统计量设计及估计 |
| 8.4 基于可变分位混合效应及因果协变模型的因果推断 |
| 8.4.1 因果推断及其上下文 |
| 8.4.2 因果关系的存在性判断 |
| 8.4.3 因果效应的显着性评估 |
| 8.5 基于可变分位混合效应及因果协变模型的人因反演 |
| 8.5.1 飞行状况的整体变迁及其人因研究 |
| 8.5.2 人因反演响应核及其人因干预效果表达 |
| 8.6 基于可变分位混合效应及因果协变模型的人机工效正交实验设计 |
| 8.6.1 混合水平正交实验设计 |
| 8.6.2 人机工效状态子空间的渐进逼近 |
| 8.7 本章小结 |
| 第九章 飞行系统的自动化扩展及安全性增强 |
| 9.1 引言 |
| 9.2 基于协变参数的飞行器系统控制与航空系统工程 |
| 9.3 基于知识前馈发现及信息反馈融合的自动化扩展与安全性增强 |
| 9.4 本章小结 |
| 第十章 全文总结 |
| 10.1 工作总结及主要贡献 |
| 10.2 前景及展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间申请的专利授权 |
| 攻读博士学位期间获得的计算机软件着作权 |
| 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间获得的奖励 |
（6）时空地理加权模型回归关系的非平稳性Bootstrap检验（论文提纲范文）
| 0 引言 |
| 1 改进的时空地理加权回归模型 |
| 2 回归关系的非平稳性检验 |
| 2.1 相对时间的非平稳性检验 |
| 2.2 相对空间的非平稳性检验 |
| 2.3 检验p值的计算 |
| 3 模拟算例 |
| 3.1 实验设计 |
| 3.2 Bootstrap检验的有效性 |
| 3.3 Bootstrap检验的功效 |
| 4 实例分析 |
| 5 结束语 |
（7）两阶段设计下全基因组关联分析的MAX精确检验（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 专业术语 |
| 1.2 文章符号和公式的相关说明 |
| 1.3 国内外研究背景和现状 |
| 1.3.1 国外研究背景和现状 |
| 1.3.2 国内研究背景和现状 |
| 1.4 研究的创新点及研究目的和意义 |
| 第二章 两阶段分析方法与MAX检验的精确p值计算 |
| 2.1 CATT检验方法 |
| 2.2 显性遗传模型下的重复分析策略 |
| 2.3 显性遗传模型下的联合分析策略 |
| 2.4 两阶段设计下的MAX检验统计量的联合分析策略 |
| 2.4.1 MAX2检验统计量的联合分析策略 |
| 2.4.2 MAX3检验统计量的联合分析策略 |
| 2.5 MAX检验的精确p值计算 |
| 2.5.1 MAX2检验的精确p值计算 |
| 2.5.2 MAX3检验的精确p值计算 |
| 第三章 方法比较和实例分析 |
| 3.1 两阶段设计下的MaXact计算方法与其他方法比较 |
| 3.1.1 两阶段下的MaXact计算方法与Bootstrap法比较 |
| 3.1.2 两阶段下的MaXact计算方法与正态逼近法比较 |
| 3.2 两阶段设计下的MaXact计算方法的实例分析 |
| 3.2.1 2型糖尿病的实例分析 |
| 3.2.2 乳腺癌的实例分析 |
| 3.3 小结 |
| 第四章 文章总结与进一步的展望 |
| 4.1 文章总结 |
| 4.2 文章进一步的展望 |
| 附录 |
| 参考文献 |
| 致谢 |
（8）门限自回归模型的理论与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 第一节 选题背景和研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 第二节 国内外研究综述 |
| 1.2.1 门限自回归模型 |
| 1.2.2 单位根检验文献综述 |
| 1.2.3 门限自回模型的单位根研究综述 |
| 第三节 研究内容 |
| 第四节 本文创新与突破 |
| 第二章 总体平稳条件下的门限自回归模型 |
| 第一节 门限自回归模型的设定与平稳性质 |
| 2.1.1 SETAR模型 |
| 2.1.2 MTAR模型 |
| 2.1.3 模型的平稳遍历性质 |
| 第二节 门限效应的检验与估计 |
| 2.2.1 Tsay检验 |
| 2.2.2 Hansen检验 |
| 2.2.3 Chan估计方法及扩展 |
| 2.2.4 估计参数的统计推断 |
| 第三节 SETAR与MTAR建模的比较 |
| 2.3.1 直观特征比较 |
| 2.3.2 样本矩的统计性质比较 |
| 2.3.3 模型经济含义的比较 |
| 2.3.4 SETAR与MTAR建模的特征 |
| 第四节 本章小结 |
| 第三章 MTAR模型的单位根检验 |
| 第一节 非线性条件下的传统单位根检验 |
| 3.1.1 传统单位根检验方法 |
| 3.1.2 非线性条件下的传统单位根检验模拟 |
| 第二节 2体制MTAR模型的单位根检验 |
| 3.2.1 单位根检验的假设设定 |
| 3.2.2 CH(2001)检验 |
| 3.2.3 均值突变的2体制MTAR单位根检验 |
| 第三节 3体制MTAR模型的单位根检验 |
| 3.3.1 单位根检验的假设设定 |
| 3.3.2 3体制MTAR单位根检验的渐近分布理论 |
| 3.3.3 均值突变的3体制MTAR模型单位根检验 |
| 第四节 非平稳与非线性的联合检验 |
| 第五节 本章小结 |
| 第四章 SETAR模型的单位根检验 |
| 第一节 2体制SETAR模型的单位根检验 |
| 4.1.1 单位根检验的假设设定 |
| 4.1.2 Seo(2008)检验的渐近性质 |
| 4.1.3 Seo(2008)的扩展——估计方程含截距项 |
| 4.1.4 均值突变的2体制SETAR模型单位根检验 |
| 第二节 3体制SETAR模型的单位根检验 |
| 4.2.1 BBC(2004)和BGG(2008)检验方法 |
| 4.2.2 KS(2006)检验的渐近性质 |
| 4.2.3 KS(2006)的扩展——估计方程含截距项 |
| 4.2.4 均值突变的3体制SETAR模型单位根检验 |
| 第三节 非平稳条件下SETAR模型的估计参数推断 |
| 第四节 本章小结 |
| 第五章 人民币汇率的均值回复过程与Band of Inaction |
| 第一节 均衡汇率的研究现状 |
| 第二节 理论基础与计量方法 |
| 第三节 数据与模型设定 |
| 5.3.1 样本数据统计分析 |
| 5.3.2 单位根检验 |
| 5.3.3 模型设定 |
| 第四节 实证结果 |
| 5.4.1 无约束模型估计结果 |
| 5.4.2 约束模型估计结果 |
| 第五节 本章小结 |
| 第六章 研究总结与展望 |
| 第一节 论文总结 |
| 第二节 研究展望 |
| 参考文献 |
| 附录 |
| 程序1 |
| 程序2 |
| 程序3 |
| 程序4 |
| 程序5.1 |
| 程序5.2 |
| 致谢 |
（9）厚尾序列均值变点的统计推断及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 变点研究简介 |
| 1.3.2 厚尾分布简介 |
| 1.3.3 均值变点问题的研究方法 |
| 1.4 文章内容安排 |
| 2 厚尾序列均值变点的修正累积和统计量检验 |
| 2.1 模型与假设 |
| 2.2 主要结论 |
| 2.2.1 修正统计量 |
| 2.2.2 Block Bootstrap重抽样 |
| 2.3 数值模拟 |
| 2.4 小结 |
| 3 厚尾相依序列均值变点的Ratio检验 |
| 3.1 模型与假设 |
| 3.2 统计量 |
| 3.3 主要结论 |
| 3.4 数值模拟 |
| 3.5 小结 |
| 4 实证分析 |
| 4.1 金融数据应用 |
| 4.2 小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、L─统计量的Bootstrap逼近（论文参考文献）
- [1]关于Bootstrap的回顾[J]. 施锡铨. 应用概率统计, 1987(02)
- [2]半参数变系数回归模型的空间相关性检验[J]. 陈建宝,乔宁宁. 统计研究, 2015(07)
- [3]一般门限非对称误差修正模型的估计与检验[J]. 欧阳敏华,雷钦礼. 统计研究, 2013(10)
- [4]二元响应变量的三臂非劣效性试验[D]. 余彬. 云南大学, 2015(08)
- [5]基于飞行安全调和测度及科学计算的人为因素设计与验证[D]. 尹堂文. 上海交通大学, 2018(01)
- [6]时空地理加权模型回归关系的非平稳性Bootstrap检验[J]. 肖燕婷,田铮,郭文艳. 统计与决策, 2014(09)
- [7]两阶段设计下全基因组关联分析的MAX精确检验[D]. 王云. 云南大学, 2018(01)
- [8]门限自回归模型的理论与应用研究[D]. 聂思玥. 南开大学, 2014(04)
- [9]厚尾序列均值变点的统计推断及其应用研究[D]. 高奎. 西安科技大学, 2020(01)
- [10]非截尾型L统计量的Bootstrap逼近[J]. 涂冬生,成平. 系统科学与数学, 1989(01)