标题
  • 标题
  • 作者
  • 关键词
登 录
当前IP:忘记密码?
年份
2024(1428)
2023(2178)
2022(1919)
2021(1758)
2020(1626)
2019(3952)
2018(3839)
2017(7248)
2016(3625)
2015(3992)
2014(3751)
2013(3882)
2012(3510)
2011(3204)
2010(3354)
2009(3091)
2008(3109)
2007(2735)
2006(2574)
2005(2400)
作者
(10383)
(8655)
(8556)
(8356)
(5564)
(4091)
(3930)
(3358)
(3292)
(3146)
(2951)
(2902)
(2831)
(2782)
(2734)
(2683)
(2628)
(2525)
(2444)
(2367)
(2259)
(2216)
(2086)
(2052)
(2019)
(1971)
(1906)
(1826)
(1815)
(1722)
学科
(16159)
经济(16149)
管理(9149)
(7583)
方法(6894)
(6673)
企业(6673)
数学(6064)
数学方法(5892)
(4207)
中国(3918)
(3837)
关系(3213)
理论(2921)
(2919)
(2855)
地方(2707)
税收(2694)
(2679)
经济关系(2518)
(2498)
贸易(2496)
(2471)
对外(2432)
(2416)
(2400)
财务(2385)
财务管理(2381)
业经(2305)
外经(2281)
机构
大学(50826)
学院(48882)
(19939)
经济(19504)
研究(18937)
管理(17540)
理学(15096)
理学院(14881)
中国(14526)
管理学(14231)
管理学院(14122)
科学(11539)
(11492)
(10544)
(9837)
研究所(8807)
中心(8334)
财经(8000)
(7948)
(7749)
北京(7567)
(7261)
(7217)
(6996)
师范(6928)
业大(6874)
农业(6179)
经济学(6106)
(6038)
财经大学(5929)
基金
项目(32453)
科学(25574)
基金(24224)
研究(22855)
(21660)
国家(21534)
科学基金(18119)
社会(14210)
社会科(13470)
社会科学(13467)
自然(12142)
自然科(11885)
自然科学(11883)
基金项目(11754)
(11721)
自然科学基金(11645)
教育(11004)
资助(10924)
(10444)
编号(8503)
成果(7785)
重点(7670)
(7297)
(6549)
课题(6537)
科研(6516)
教育部(6249)
国家社会(6240)
大学(6186)
(6138)
期刊
(21032)
经济(21032)
研究(16690)
中国(11937)
(8777)
学报(8734)
科学(7623)
管理(7415)
教育(7059)
大学(6794)
(6556)
学学(6094)
技术(4658)
统计(4587)
农业(4351)
经济研究(4158)
(4076)
金融(4076)
财经(3896)
(3776)
决策(3532)
(3347)
(3169)
图书(2841)
(2771)
国际(2732)
(2625)
技术经济(2523)
业经(2506)
会计(2443)
共检索到80259条记录
发布时间倒序
  • 发布时间倒序
  • 相关度优先
文献计量分析
  • 结果分析(前20)
  • 结果分析(前50)
  • 结果分析(前100)
  • 结果分析(前200)
  • 结果分析(前500)
[期刊] 统计与决策  [作者] 刘薇  
在加权平方损失下,文章考虑了一类正态均值矩阵的估计。即Efron-Morris估计。在适当条件下,证明了该估计是极小极大的。
[期刊] 统计与决策  [作者] 任海平  李中恢  
文章考虑一类分布族:F(x;θ)=1-[g(x)]θ(A≤x≤B,θ>0),其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0,在加权平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计。
[期刊] 统计与决策  [作者] 刘薇  
在更一般的模型和加权平方损失下,文章考虑改良著名的Efron-Morris估计,研究了加权损失函数下均值矩阵估计的改进方法,并把相关结果应用到协方差估计的改进问题中去。在适当条件下,证明了该估计是极小极大的。最后通过一个数值例子验证了结果的有效性。
[期刊] 统计与决策  [作者] 西日古力  吴黎军  
文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。
[期刊] 统计与决策  [作者] 罗季  汤涵  
未知参数的区间估计是一种非常重要的统计推断形式。文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性。
[期刊] 统计与决策  [作者] 李兰平  
文章在一类新的加权平方损失函数下,讨论了几何分布可靠度的Bayes估计问题。可靠度的先验分布分为无信息和共轭先验分布两种情形讨论。导出了可靠度的Bayes估计,并利用Monte Carlo数值模拟对几种估计进行比较。
[期刊] 统计与决策  [作者] 李兰平  
在进行Bayes分析时,有界误差损失函数常比无界误差损失函数有更好的稳健性。本文基于一类有界误差损失函数——转换的Gamma损失函数,研究比例危险率模型参数的估计问题。在共轭先验分布为伽玛分布时,得到了参数的Bayes估计和经验Bayes估计。最后通过数值模拟例子说明得到的估计比平方误差损失和LINEX损失函数下的估计具有较强的稳健性。
[期刊] 统计与决策  [作者] 张国林  
文章在一类非对称损失损失函数下,讨论了几何分布可靠度的Bayes估计问题.在可靠度的先验分布为贝塔共轭先验分布下,得到了可靠度的Bayes估计、多层Bayes估计,最后给出了一个实际应用例子。
[期刊] 统计研究  [作者] 罗平  李树有  
多元保序回归理论对统计学中研究多维参数在序约束下的估计理论起着关键性作用。本文讨论了当协方差矩阵已知,在简单半序约束下,对三个多元正态总体均值的估计问题,给出了估计的算法。并证明了在多元均方损失条件下,给出的均值估计优于无序约束的均值估计。
[期刊] 统计与决策  [作者] 邱瑾  
文章对两个正态总体均值之差的区间估计进行教学上的解析,尤其针对非均衡样本下方差未知且不相等情形,利用例举对比法说明应如何选择合适的枢轴量。
[期刊] 统计与决策  [作者] 刘荣玄  陈玲珍  
一、问题的提出在客观实际中,许多随机现象都服从或近似服从正态分布,在这些随机现象的分布中,它所含的参数有的并不是一个未知的常数,而是一个随机变量,比如测量误差,由于各种原因,每天的平均误差都不一样,出现任何数的可能性都存
[期刊] 数量经济技术经济研究  [作者] 张志强  
总结了常用的空间加权矩阵的一般构建方法和研究领域内新提出的空间加权矩阵构建方法,从宏观与微观层面量化分析了空间加权矩阵设置对于空间面板参数估计效率、空间效应识别的影响效应。结论表明,宏观数据层面,随着空间加权矩阵复杂程度的提高,参数估计的有效性与一致性都显著提高并且广义矩参数估计方法优于拟极大似然估计方法,复合的空间加权矩阵条件下,拉格朗日乘子检验方法的功效更高;微观数据层面,4种不同类型的空间加权矩阵的设置,对于聚集外部性引致的企业全要素生产率增长的空间边界识别具有显著影响,复合的空间加权矩阵更有效。
[期刊] 统计与决策  [作者] 刘素蓉  任海平  
文章在加权平衡损失函数下,得到了泊松分布参数的Bayes估计和可容许估计,并讨论了一类cX+d形式估计的可容许性和不可容许性。
[期刊] 统计与决策  [作者] 李勇  张维  陈正伟  
利用随机样本信息对参数估计是数理统计学的基本内容,但面对模糊或灰色数据如何更好地进行参数估计。在Neyman的正态分布均值的置信区间理论基础上,借助于灰色系统分析的方法,研究了在随机信息下的灰色区间估计问题,能比点估计或Neyman的置信区间更好地提供有效信息,并进行实例应用。
[期刊] 运筹与管理  [作者] 陈斯敏  杨磊  陈文娜  黄晓宇  
企业的历史销售记录是供应链优化研究的基础数据来源,然而,在日常的研究中,几乎所有可以通过公开途径获得的销售记录都是高度不完整的,这为研究者开展工作带来了极大的不便。为解决此问题,本文提出,以销售数据集中已有的数据为基础,使用面向时序数据的矩阵分解模型MAFTIS对其缺失的部分进行估算,从而把残缺的数据集补全完整。进一步地,为提高MAFTIS的计算效率,本文还为该模型设计了一种基于交替最小二乘法的求解策略MAFTIS~(ALS)。在评估实验中,MAFTIS~(ALS)被用于三个真实销售数据集的缺失记录估计,结果显示,与其它估计模型相比,MAFTIS~(ALS)能获得更准确的估计结果,并且具有更高的收敛速度。
文献操作() 导出元数据 文献计量分析
导出文件格式:WXtxt
作者:
删除