首页期刊导航|应用概率统计
期刊信息/Journal information
应用概率统计
应用概率统计

马志明

双月刊

1001-4268

aps@stat.ecnu.edu.cn

021-54345267

200241

上海市闵行区东川路500号华东师范大学金融与统计学院

应用概率统计/Journal Chinese Journal of applied probability and statisticsCSCD北大核心CSTPCD
查看更多>>本刊由中国科协主管、中国数学会概率统计学会主办。是中国概率统计学会目前唯一的学术刊物，全国数学类的A类核心期刊，它反映我国概率统计基础理论和应用研究的学术水平，大力促进我国概率统计的应用研究、发展概率统计的新方法、推广概率统计方面的应用成果。
正式出版
收录年代

    躬耕一生 仰之弥高——纪念茆诗松先生逝世一周年

    王静龙周纪芗濮晓龙汤银才...
    183-193页
      原文链接:
    • 万方数据

    诗韵流芳 松韵长存——记华东师范大学茆诗松先生

    朱利平郭菁袁卫
    194-200页
      原文链接:
    • 万方数据

    非参数可加模型的迭代自适应稳健变量选择

    朱能辉尤进红徐群芳
    201-228页
    查看更多>>摘要：本文结合稳健损失函数、B样条逼近和自适应组Lasso研究一个高维可加模型,以识别"大p小n"下的不显著协变量.与传统的最小二乘自适应组Lasso相比,该方法具有较好的抵消重尾误差和异常值的影响.为证明方便,本文进一步考虑了更一般的加权稳健组Lasso估计,且该权向量对所建议的估计量具有模型选择oracle性质和渐近正态性的证明中起着关键作用.稳健组Lasso和自适应稳健组Lasso可以看作是加权稳健组Lasso在不同权向量下的特殊情况.在实际应用中,我们使用稳健组Lasso获得初始估计以降低问题的维数,然后使用迭代自适应稳健组Lasso选择非零分量.数值结果表明,所提出的方法对中等规模的样本具有良好的适用性.高维基因TRIM32数据验证了该方法的应用.

    自适应组Lasso高维数据非参数回归oracle性质稳健估计

      原文链接:
    • 维普
    • 万方数据

    偏倚抽样问题的选择性评论及其在现代统计学中的应用

    秦进
    229-263页
    查看更多>>摘要：偏倚抽样是一个普遍存在的问题,跨越各个学科领域,影响着计量经济学、流行病学、医学、调查研究,以及最近的机器学习和人工智能(AI)等领域.当选择用于分析或研究的数据点引入系统性偏倚时,这种无处不在的挑战可能会影响研究结果的准确性和可靠性.本文的目标是全面介绍与偏倚抽样问题相关的基础概念和推理方法.此外,我们还旨在建立偏倚抽样问题与机器学习中关于分布转移问题的最新讨论之间的联系.我们还将深入探讨偏倚抽样的最新进展,特别是在转移学习和预测置信区间的符合推理方面.我们的最终目标是以一种对研究生易于理解的方式呈现这些材料,使他们能够在自己的研究工作中识别偏倚抽样问题的应用.我们怀着深深的敬意和感激之情,将本文献给已故的茆诗松教授,他多年来的指导和智慧对我们至关重要.

    偏倚抽样问题因果推断符合预测区间分布转移迁移学习茆诗松教授的追忆

      原文链接:
    • 维普
    • 万方数据

    带有时变杠杆效应的随机波动率模型参数估计及其应用

    郝红霞胡红倩韩忠成林金官...
    264-276页
    查看更多>>摘要：为了更好地捕捉金融时间序列中杠杆效应的时变非对称性,本文基于线性样条思想,提出一种带有时变杠杆效应的半参数随机波动率模型,并利用贝叶斯MCMC方法对所提模型中的参数进行了估计.模拟研究表明贝叶斯MCMC方法在所提模型的参数估计方面有着良好的有限样本表现.最后利用本文所提出的带有时变杠杆效应的半参数随机波动率模型对2000年1月4日至2020年8月18日的上证综合指数和深证成份指数日收益数据进行了实证分析,结果表明利用本文所提出的模型拟合这两组实例数据是合理的.

    半参数随机波动率模型线性样条时变杠杆效应贝叶斯MCMC方法

      原文链接:
    • 维普
    • 万方数据

    有限相依随机序列的非贝叶斯变点最优监测

    韩东宗福季
    277-286页
    查看更多>>摘要：本文研究了有限相依样本序列的非贝叶斯变点检测问题.通过引入非负动态随机控制线,我们不仅构造并证明了两个最优控制图,而且还得到了比原定义更容易计算的Lorden测度和Pollak测度的最小值的表达式.

    最优控制图非贝叶斯变点监测相依样本序列

      原文链接:
    • 维普
    • 万方数据

    不可忽略的无响应缺失下的协变量选择

    邵军王磊
    287-297页
    查看更多>>摘要：本文旨在建立一个存在不可忽略的无响应缺失时高维协变量向量的协变量选择方法.由于有不可忽略的缺失响应数据,必须建立一种新的协变量选择方法来删除既与响应变量也与缺失机制无关的协变量.一旦冗余协变量被删除,现有的缺失机制估计和其他基于逆缺失机制加权的分析方法可以被应用.我们提供了一些模拟结果来展示我们方法的有效性.

    构造的响应变量高维非随机丢失缺失机制半参数方法

      原文链接:
    • 维普
    • 万方数据

    基于贝叶斯深度学习方法的上海新冠肺炎病例时空预测和不确定性量化

    周世荣汤银才王平平庄亮亮...
    298-322页
    查看更多>>摘要：2022年春季在上海爆发的新冠肺炎疫情对上海的社会、经济和居民的日常生活造成了严重影响.新冠肺炎的传播通常表现出复杂的非线性动力学,受环境、人口统计、医疗条件、核酸或抗原检测频率、流行病控制策略等影响.具有复杂网络结构和广泛训练的长短期记忆(LSTM)模型被广泛用于学习和预测流行病的传播.然而,这种模型既没有解释数据的不确定性,也没有考虑各种协变量和异质性的影响.因此,本文提出了一个两阶段LSTM嵌套广义泊松回归模型来分析2022年春季上海爆发的新冠肺炎疫情数据.在第一阶段,训练一个多层LSTM网络来学习特定地区的感染数据,然后使用训练好的LSTM来拟合和预测有症状的新冠肺炎感染人数.在第二阶段,在分层贝叶斯框架下通过广义泊松回归模型对预测的病例数进行建模,其中相对风险的对数用带有协变量和时空异质性的随机效应的线性函数来建模.在深度学习方法的帮助下,时空广义泊松回归模型可以预测和量化每日新增症状感染数量的不确定性.此外,得益于从协变量和时空异质性的借力,基于贝叶斯深度学习方法的预测比基于LSTM方法的预测性能更好.

    COVID-19LSTM泊松回归模型积分嵌套拉普拉斯近似(INLA)

      原文链接:
    • 维普
    • 万方数据

    分数阶时间导数方程和反常亚扩散过程——纪念茆诗松教授

    陈振庆
    323-342页
    查看更多>>摘要：本文介绍并且改进和推广了时间导数为分数阶的方程,以及与反常亚扩散过程相关联的最近的一些结果.

    分数阶时间导数时间为分数阶的方程隶属子逆隶属子强解和弱解

      原文链接:
    • 万方数据

    缺失数据过程的自适应多元EWMA控制图

    濮晓龙项冬冬陈昕妍
    343-363页
    查看更多>>摘要：随着生产过程的日益复杂,多元统计过程控制(SPC)领域对在线算法的关注与日俱增.然而,基于完整数据和均匀时间间隔假设的传统方法在存在缺失数据时表现并不理想.为了最大化利用可用信息,我们提出了一种自适应指数加权移动平均(EWMA)控制图,它采用了加权插补方法,能够充分利用完整数据和不完整数据之间的关系.具体而言,我们首先引入了两种恢复方法:改进的K近邻方法和传统的单变量EWMA方法.然后,我们构造了 一个自适应加权函数来结合这两种方法,即当样本信息表明过程超出控制的可能性增加时,会降低EWMA统计量的权重,反之亦然.通过模拟结果和一个实际案例,我们证明了所提出方案的稳健性和敏感性.

    在线监控完全随机缺失加权插补指数加权移动平均改进的K近邻

      原文链接:
    • 维普
    • 万方数据