跳到主要內容

臺灣博碩士論文加值系統

(35.172.136.29) 您好!臺灣時間:2021/08/02 04:40
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:李信賢
研究生(外文):Hsien-Hsin Li
論文名稱:常態模型轉折點之二元樹搜尋法
指導教授:樊采虹樊采虹引用關係
指導教授(外文):Tsai-Hung Fan
學位類別:碩士
校院名稱:國立中央大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:47
中文關鍵詞:轉折點
相關次數:
  • 被引用被引用:4
  • 點閱點閱:155
  • 評分評分:
  • 下載下載:15
  • 收藏至我的研究室書目清單書目收藏:0
在現今的社會上,跨領域的合作已漸成主流。因此本文將二元樹的架構,融入統計的基本估計方法,提出了對於多重轉折點的演算法。並將此二元樹搜尋法應用於常態模型以及簡單線性迴歸模型,討論其準確度以及效率上的改良。而對於龐大資料集,由於舊有的方法已隨計算工具儲存不足而失效,因此本文將資料予已分割,在各區間中尋找是否存在轉折點,而更進一步的修正上述轉折點過多的問題。
第一章 緒論 1
1. 1研究動機 1
1.2 文獻回顧 3
1.3 研究方法 4
第二章 常態模型多重轉折點的估計 6
2.1 常態分佈模型與最大概似估計 6
2.2 二元樹(binary tree) 9
2.3 節點的決定 11
2.4 二元樹的結束 11
2.5 演算法 15
2.6 轉折點位置的差距 16
2.7 疊代法 17
2.8 未知轉折點個數的估計方法 19
2.9 迴歸模型之轉折點估計 20
第三章 龐大資料下轉折點估計 23
3.1 常態模型單一轉折點之檢定 23
3.2 龐大資料之分段檢定 27
3.3 估計方法的修正 28
3.4 演算法 30
第四章 模擬結果及實例分析 32
5.1常態模型二元樹演算法之模擬 32
5.2 龐大樣本轉折點之模擬 35
5.3 迴歸模型轉折點之模擬 38
5.4 實際資料分析 41
第五章 結論 45
參考文獻 46


表 目 錄
表2-1 檢定統計量達顯著之最小距差模擬情形 17
表3-1:存在一轉折點時,5000次模擬中,(3.4)以及(3.5)正確判斷
次數(檢定力)之比較 26
表4-1: 二元樹使用與否之轉折點誤差推論 34
表4-2: 二元樹使用與否之對應參數推論及計算所需cpu時間 34
表4-3: 疊代法及二元樹搜尋法之效率(cpu計算時間)比較 34
表4-4: 轉折點未知時,Yao(1988)之模型選擇方法正確率(真實模型為模型二) 35
表4-5: 988次模擬中轉折點位置之估計誤差及變異數 35
表4-6: 988次選出正確模型下之參數估計 35
表4-5: 樣本分割法之模型選擇個數( ) 37
表4-6: 樣本分割法選模為模型二所對應之誤差 37
表4-7: 不同分段區間之模型正確率比較 37
表4-8: 不同分段區間其對應參數估計 38
表4-9: 迴歸模型之轉折點誤差比較 40
表4-10: 迴歸模型之迴歸係數估計比較 40
表4-11: 台灣加權指數參數推論 42
表4-12: 台灣加權股市以樣本分割法估計結果 44

圖 目 錄
圖2-1: 二元樹的基本結構 9
圖2-2: 二元樹的規則 14
圖4-1: 迴歸模型樣本散佈圖以及無轉折點時最小平方法估計所得之迴歸線(實線) 40
圖4-2: 台灣加權指數 42
1.Chao, M. T. and Lin G. D. (1993). “The Asymptotic Distribution of the Remedians.” Journal of Statistic Planning and Inference 37, 1-11.
2.Chen J. and Gupta A.K. (2003). “Information-theoretic approach for detecting change in the parameters of a normal model.” Mathematical methods of statistics 12, 116-130.
3.Draper, N. R. and Smith, H. (1998). “Applied Regression Analysis Edition.” Wiley, New York.
4.Hawkins, D. M. (1976). “Point estimation of the Parameters of Piecewise Regression Models.” Applied Statistics 25, 51-57.
5.Lee, C. B. (1995). “Estimating the number of change points in a sequence of independent normal random variables.” Statistics & Probability Letters 25, 241-248.
6.Maguire, B. A., Person, E. S. and Wynn, A. H. A. (1652). “The time intervals between industrial accidents.” Biometrika 39, 168-180.
7.Page, E. S. (1954). “Continuous inspection schemes.” Biometrika 41, 100-114.
8.Page, E. S. (1955). “A test for a change in a parameter occurring at an unknown point.” Biometrika 42, 523-527.
9.Schwarz, G. (1978). “Estimating the dimension of a model.” Annals of statistics 6, 461-464.
10.Worsley, K. J. (1986). “Confidence regions and tests for a change-point in a sequence of exponential family random variable.” Biometrika 73, 91-104.
11.Yao, Y. C. (1988). “Estimating the number of change-point via Schwarz’ criterion.” Statistics & Probability Letters 6, 181-198.
12.洪錦魁和陳會安(1995)。“看程式實例學資料結構使用Turbo C ”。松崗書局。
13.邵莉雅(2003)。“龐大資料集之線性迴歸分析 ”。中央大學統計研究所碩士論文。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top