作者荣腾中,闵祥晖(2019)在《MOOC学习行为数据的高阶离散MPT模型分析》一文中研究指出:文章在泊松边际分布条件下,将传统的一阶混合Thinning和Pegram算子的MPT离散值时间序列模型拓展到高阶MPT(p)模型。研究了模型的自相关结构,分析了模型阶数与参数估计的方法,推断了参数性质和回归性质,给出了模型的预测方法。通过对MOOC课程的学习行为离散数据序列进行建模分析,描述了在线学习者的行为特征,发现了在线学习行为高阶滞后的相依影响,实现了离散序列的短期预测。
wen zhang zai bo song bian ji fen bu tiao jian xia ,jiang chuan tong de yi jie hun ge Thinninghe Pegramsuan zi de MPTli san zhi shi jian xu lie mo xing ta zhan dao gao jie MPT(p)mo xing 。yan jiu le mo xing de zi xiang guan jie gou ,fen xi le mo xing jie shu yu can shu gu ji de fang fa ,tui duan le can shu xing zhi he hui gui xing zhi ,gei chu le mo xing de yu ce fang fa 。tong guo dui MOOCke cheng de xue xi hang wei li san shu ju xu lie jin hang jian mo fen xi ,miao shu le zai xian xue xi zhe de hang wei te zheng ,fa xian le zai xian xue xi hang wei gao jie zhi hou de xiang yi ying xiang ,shi xian le li san xu lie de duan ji yu ce 。
论文作者分别是来自统计与决策的荣腾中,闵祥晖,发表于刊物统计与决策2019年10期论文,是一篇关于离散值时间序列论文,模型论文,学习行为论文,统计与决策2019年10期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自统计与决策2019年10期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
本文来源: https://www.lw00.cn/article/30c282e130e98fa9be4afe19.html