导读:本文包含了混合泊松分布论文开题报告文献综述及选题提纲参考文献，主要关键词:离散化泊松-指数混合分布,危险率,参数估计,置信域
混合泊松分布论文文献综述
任美芳,刘禄勤[1]（2019）在《离散化泊松-指数混合分布的性质和参数估计》一文中研究指出文章将泊松分布和指数分布以某种权重进行混合并离散化,得到了一种新的寿命数据模型:离散化泊松-指数混合分布。讨论了该分布的分布性质和可靠性性质,研究了参数的极大似然估计和区间估计,通过数值模拟表明所提方法的优良性,并将该分布应用于真实数据,与现有的几种离散分布从p值、AIC、BIC等方面进行了比较。(本文来源于《统计与决策》期刊2019年19期）
殷崔红,杨亮,肖川[2]（2019）在《索赔次数的开放式混合泊松分布研究》一文中研究指出本文建立了索赔次数的多风险类别混合泊松分布。首先,考虑索赔次数的零膨胀、厚尾性和异质性等特征,建立风险类别待定的开放式混合泊松分布(OMP分布),开放式结构使该分布对实际数据的多样特征和风险类别具有良好的自适应性;其次,定义混合权重参数的iSCAD惩罚函数,实现对权重参数的筛选;最后,借助EM算法求得分布参数,实现对各风险类别下索赔次数的估计。借助iSCAD惩罚函数,本文给出最优混合数,避免传统混合分布中主观选择的弊端,克服传统混合分布中结构复杂、参数估计没有显式表达式、估计结果不便于解释等问题。基于叁组风险特征多样数据的实证分析,本文发现OMP分布可以显着改进现有模型的拟合效果。(本文来源于《统计研究》期刊2019年03期）
陈奕延,李晔[3]（2019）在《Lovász延拓权值下的伪泊松混合分布的风险期望模型》一文中研究指出本文在风险损失量为自然数且服从泊松分布的条件下,将泊松分布进行截断和均化的处理生成伪泊松分布,然后根据有限可数混合分布的表达式,利用从集函数转换而来的多线性形式的Pseudo-Boolean函数的Lovász延拓得到新的权值并构建伪泊松混合分布,最后根据期望的定义和性质得到相应的伪泊松混合分布的风险期望模型.该模型为今后研究混合分布在风险分析中的应用提供了依据.(本文来源于《首都师范大学学报(自然科学版)》期刊2019年01期）
任美芳[4]（2018）在《离散化泊松—指数混合分布的性质和参数估计》一文中研究指出为了以数学语言来解释生活中的种种现象,研究人员通过复合、离散化、变形等多种技巧来获得新的概率模型.近几十年来,连续概率分布的离散化越来越受研究人员的青睐.离散化的统计模型形成了处理离散寿命数据和可数数据的一个重要研究领域,在生物医学研究、物理科学、工程学及农业生产中有广泛应用.本文将泊松分布和指数分布以某种权重进行混合并离散化,得到了新的寿命数据模型:离散化泊松-指数混合分布,并详细讨论了该分布的基本性质及参数估计问题.第一章介绍了选题的背景及意义,叙述了近年来连续分布离散化的方法和发展现状.第二章讨论了离散化泊松-指数混合分布的分布性质和可靠性性质,尤其是离差指数和危险率函数在不同参数取值下的变化趋势.第叁章对离散化泊松-指数混合分布的叁个参数进行了点估计方面的研究,包括极大似然估计和矩估计的存在性、相合性、渐近正态性等大样本性质的证明,并给出了极大似然估计的数值模拟,通过均方误差和标准差反映了估计的优良性.第四章给出了该分布参数的区间估计,包括单参数的置信区间和两参数的联合置信域,并通过覆盖率图像来反映区间估计的模拟效果.第五章将离散化泊松-指数混合分布应用于两组实际数据中,并与现有的几种离散分布从AIC、BIC等方面进行了比较.第六章是对本文的总结与展望.(本文来源于《武汉大学》期刊2018-05-01）
陈奕延,李晔,张淑芬[5]（2018）在《多元伪泊松混合分布模型的理论研究》一文中研究指出针对混合分布模型中各项权值通常依赖于未知或已知参数而造成的模型不确定问题,提出了一种权值基于Frobenius范数的混合分布模型。首先,把多元泊松分布进行截断及均化处理,生成伪多元泊松分布。其次,根据有限可数混合分布的表达式,分别求解伪多元泊松混合分布的集函数矩阵、多线性形式的Pseudo-Boolean函数矩阵、多线性Pseudo-Boolean函数矩阵的Frobenius范数,由此得到新的权值并据此构建多元伪泊松混合分布模型。最后,根据混合分布权值的归一性及非负性证明了模型的正确性并且通过仿真实验来展示构建模型的整个过程,验证了算术平均的合理性。可为今后研究混合分布在机器学习领域的应用及算法设计提供理论基础。(本文来源于《集成技术》期刊2018年02期）
高迎心,温佳威,徐尔,艾冬梅[6]（2017）在《基于混合泊松分布的新生突变识别算法》一文中研究指出对个体而言,不经父母遗传而后天获得的突变称为新生突变,绝大多数癌症都起自新生突变。构建快速精确的变异识别算法将有助于对癌症的研究。然而,针对前期新生突变识别算法准确率不高,且耗时多等问题,本文引入了基于变异位点的先验概率分布模型,运用基于混合泊松分布的期望最大化(EM)算法对新生突变识别算法进行改进与优化,研究了有亲缘关系的新生突变的识别,并在识别精度与运算速度方面与已有算法进行对比。结果表明,基于混合泊松分布的期望最大化算法在提高运算速度的同时降低了假阳性比率,具有良好的识别效果。(本文来源于《中国生物化学与分子生物学报》期刊2017年11期）
王翠莲[7]（2015）在《具有混合指数索赔分布的经典复合泊松风险模型中的分红问题（英文）》一文中研究指出本文研究了具有某混合指数索赔分布的经典复合泊松风险模型中的分红问题.利用随机控制理论,在无界分红强度的假设下,给出了值函数的显式表达式和相应的最优分红策略.推广了文献[4]的结果.(本文来源于《数学杂志》期刊2015年03期）
李野默,王秀莲[8]（2015）在《复合泊松风险模型中观察间隔为混合指数分布的贴现罚金函数》一文中研究指出考虑审核时间间隔为混合指数分布时的期望贴现罚金函数,利用全概率公式和Laplace变换,给出贴现罚金函数满足的积分微分方程以及更新方程.针对指数索赔的情况给出期望贴现罚金函数的计算过程.最后,给出一些破产相关数据,以解释随机观察的效果.(本文来源于《天津师范大学学报(自然科学版)》期刊2015年02期）
吴海龙[9]（2015）在《混合正态分布与泊松分布的均值估计》一文中研究指出本文主要研究了混合正态分布与泊松分布的均值估计问题。在混合正态分布均值估计问题中,我们建立了其与单变量正态分布的经验贝叶斯估计之间的关系,从而转变为单变量正态分布均值的估计问题,而对于单变量经验贝叶斯估计,其先验分布是不知晓的,为此提出了广义极大似然经验贝叶斯(GMLEB)估计,运用EM算法与凸优化方法解决了GMLEB估计问题；对于混合泊松分布均值估计问题,首先给出了经验贝叶斯的均值参数估计,然而由于这一估计不单调,收敛速度非常缓慢,故需要对经验贝叶斯估计进行改进,借此回顾了对经验贝叶斯估计的叁步改进法,同样地也给出了泊松均值GMLEB估计以及泊松近似正态化后的GMLEB估计。为了比较几种估计方法的效果,论文的最后进行了数值模拟,模拟结果显示叁步改进估计以及两种GMLEB估计的均方误差都比原先的经验贝叶斯估计的均方误差有了显着性的降低,估计效果得到了明显的提升。(本文来源于《苏州大学》期刊2015-04-01）
虞欢欢[10]（2014）在《基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究》一文中研究指出随着银行风险监管水平和要求的不断发展，市场中信用风险的转移和交易，金融行业正需要发展出更好更科学的一套体系来管理金融风险，以防范未来可能发生的损失。其中，对信用资产组合的风险度量研究一直以来都是关注的重点，然而，对于资产组合的相关性结构以及组合风险计算的复杂性却鲜有研究。为此，本文针对资产组合的相关性结构和组合风险计算的复杂性这两方面做出实证研究，并有了一系列成果。在构建资产组合信用风险模型时，本文引入混合泊松模型来代替广泛使用的Copula模型。混合泊松模型一直停留在理论的范围内，本文在该模型的实践应用上作出了创新。对于信用违约事件，无法预测一个违约发生的具体时间，也无法预测违约的总数及其引起的损失。但是，尽管单个债务人违约的概率很低，在大量的债务人中总是存在一个违约敞口的，那么这种情形可以用泊松分布来很好的刻画。为了能将理论上的混合泊松模型应用于实践，我们引入了经典的结构模型来度量单个组合内资产的信用风险，并将结构模型和混合泊松方法在泊松变量的强度这个点上联结起来，用结构模型来得到混合泊松模型中的相关参数，从而能够构建一个描述大资产违约相关结构和违约分布的风险度量模型，这种方法上的结合也是一个应用创新。组合风险计算的复杂性方面，蒙特卡罗模拟是风险管理中常用的技术。虽然蒙特卡罗模拟结果比较全面客观，但是它在模拟小概率事件时会因为运算次数较多而导致模拟时间过长，出现低效现象。故本文为了克服极小概率事件发生概率估计的困难，把重要抽样技术发展到信用资产组合违约损失分布中，通过指数扭曲和测度变换在相应区域产生更多的样本，可以使这种新测度情形下的模拟不再是稀有事件Monte Carlo模拟。通过这种变换，可以减少Monte Carlo模拟的计算工作量，也提高估计组合损失概率的精确性。由于在本文实证中采用的数据里样本股票数相对较少，而且历史的宏观共同因子也不充足，因此我们通过一个数值模拟的例子来说明重要抽样算法的有效性。相比普通蒙特卡洛分布，重要抽样下模拟出来的违约损失分布曲线更为平滑，因此重要抽样技术对于信用风险管理领域里是非常有实用意义的，在提升效率的同时也能增加准确性。另外，我们还计算了重要抽样方法下的方差减少系数，其方差减小系数都远远大于1，而且随着违约概率的下降，方差减小系数上升的很明显，这表示重要抽样技术在处理稀有事件时的能力比普通蒙特卡洛模拟强的多。综上所述，本文以资产组合的视角来分析大资产的信用风险，通过混合泊松模型来构造资产组合之间的关联结构能很好的刻画组合的违约概率发生及传导情况，同时结合重要抽样技术可以从准确率和效率性上两方面提升对于组合的风险度量和管理。另外，本文不仅为极端稀有事件的研究提供了理论和实证上的依据，也为投资者进行经济资产配置和监管者进行风险度量与管理提供了方法。(本文来源于《浙江财经大学》期刊2014-12-01）
混合泊松分布论文开题报告
（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：
本文建立了索赔次数的多风险类别混合泊松分布。首先,考虑索赔次数的零膨胀、厚尾性和异质性等特征,建立风险类别待定的开放式混合泊松分布(OMP分布),开放式结构使该分布对实际数据的多样特征和风险类别具有良好的自适应性;其次,定义混合权重参数的iSCAD惩罚函数,实现对权重参数的筛选;最后,借助EM算法求得分布参数,实现对各风险类别下索赔次数的估计。借助iSCAD惩罚函数,本文给出最优混合数,避免传统混合分布中主观选择的弊端,克服传统混合分布中结构复杂、参数估计没有显式表达式、估计结果不便于解释等问题。基于叁组风险特征多样数据的实证分析,本文发现OMP分布可以显着改进现有模型的拟合效果。
（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。
混合泊松分布论文参考文献
[1].任美芳,刘禄勤.离散化泊松-指数混合分布的性质和参数估计[J].统计与决策.2019
[2].殷崔红,杨亮,肖川.索赔次数的开放式混合泊松分布研究[J].统计研究.2019
[3].陈奕延,李晔.Lovász延拓权值下的伪泊松混合分布的风险期望模型[J].首都师范大学学报(自然科学版).2019
[4].任美芳.离散化泊松—指数混合分布的性质和参数估计[D].武汉大学.2018
[5].陈奕延,李晔,张淑芬.多元伪泊松混合分布模型的理论研究[J].集成技术.2018
[6].高迎心,温佳威,徐尔,艾冬梅.基于混合泊松分布的新生突变识别算法[J].中国生物化学与分子生物学报.2017
[7].王翠莲.具有混合指数索赔分布的经典复合泊松风险模型中的分红问题（英文）[J].数学杂志.2015
[8].李野默,王秀莲.复合泊松风险模型中观察间隔为混合指数分布的贴现罚金函数[J].天津师范大学学报(自然科学版).2015
[9].吴海龙.混合正态分布与泊松分布的均值估计[D].苏州大学.2015
[10].虞欢欢.基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究[D].浙江财经大学.2014
标签：离散化泊松-指数混合分布; 危险率; 参数估计; 置信域;