參數模型估演算法為什麼要累乘

① 什麼是分布滯後模型參數估計的經驗加權法

是分布滯後模型參數估計的經驗加權法是：

分布滯後模型，是要將當期數據減去前期數據，得到新數據為新變數的當期數據，而初期數據沒得減，就損失掉了，自由度就是樣本觀測值的數量，所以損失了自由度。一般情況下，樣本觀測值的減少會降低估計精度。

含義

在涉及時間序列數據的回歸分析中，如果回歸模型中不僅包含有解釋變數的當前值，還含有它們的滯後值，就把它稱為分布滯後模型（distributed-lag model）。如果模型在它的解釋變數中包含有因變數的一個或多個滯後值，就稱它為自回歸模型（autoregressive model）。如果模型中的解釋變數中既包含有解釋變數的滯後值又含有被解釋變數的滯後值，就將其稱為自回歸分布滯後模型。

② 參數模型和非參數模型的區別

參數和非參可以簡單的這樣理解區別：參數模型是求一個解析解，非參是近似解。參數是數量化的得到一個確定的結果；非參（利用直接記錄或分析輸入和輸出的方法估計）是一個不完全歸納的過程，得出一個擬合的關系。優勢不好比較，兩種方法建立的模型要看結果的命中概率了。

③ 過程式控制制系統中估計模型參數最小二乘法的一次完成演算法與遞推演算法的區別是什麼

一次完成演算法，要求事先採集並存儲好所有的數據，然後進行一次運算，得到結果。
遞推演算法，每次只需要輸入一個或幾個新的數據，然後不斷更新結果。

因此，如果採集數據需要耗費的時間多，或者數據太大無法一次運算，就可以用遞推演算法。

④ 怎麼運用自上而下估演算法

類比估演算法也被稱作自上而下的估算，是一種通過比照已完成的類似項目的實際成本，去估算出新項目成本的方法。類比估演算法適合評估一些與歷史項目在應用領域、環境和復雜度方面相似的項目。其約束條件在於必須存在類似的具有可比性的軟體開發系統，估算結果的精確度依賴於歷史項目數據的完整性、准確度以及現行項目與歷史項目的近似程度。採用這個方法的前提是：a.對以前項目規模和工作量的計量是正確的；b.至少有一個以前的項目的規模和新項目類似；c.新項目的開發周期、使用的開發方法、開發工具與以前項目的類似，而且開發人員的技能和經驗也不能與原。類比法的基本步驟是：整理出項目功能列表和實現每個功能的編碼行數。標識出每個功能列表與歷史項目的相同點和不同點，特別要注意歷史項目做得不夠的地。方；（吃一塹，漲一智；避免犯同樣的錯誤）通過步驟1和2得出各個功能的估計值；4、產生規模估計。優點：估計較為准確；缺點：要依賴於實際經驗；必須要有類似的項目可供參考採用類比法往往還要解決可重用代碼的估算問題。估計可重用代碼量的最好辦法就是由程序員或系統分析員詳細地考查已存在的代碼，估算出新項目可重用的代碼中需重新設計的代碼百分比、需重新編碼或修改的代碼百分比以及需重新測試的代碼百分比。根據這三個百分比，可用下面的計算公式計算等價新代碼行：等價代碼行=[(重新設計%+重新編碼%+重新測試%)/3]×已有代碼行比如：有10，000行代碼，假定35%需要重新設計，55%需要重新編碼，75%需要重新測試，那麼其等價的代碼行可以計算為：[(30%+50%+70%)/3]×10,000=5,500等價代碼行。即：重用這10000代碼相當於編寫5500代碼行的工作量。

⑤ 這些數列為什麼要乘於2然後再進行累加怎樣才能知道一個數列是要累乘還是累加呢

本題中乘2 乘2^2 ----目的是為了在累加時能夠左右抵消. 也就是把數湊足吧,便於計算.

遞推關系a(n+1)-an=f(n) ,求an累加法
遞推關系a(n+1)/an=f(n),求an 累乘法

希望能幫到你, 望採納. 祝學習進步

⑥ 功率譜估計的參數模型方法

眾所周知，對一個研究對象建立數學模型是現代工程中常見的方法，它一方面使研究的對象有一個簡潔的數學表達式，另一方面，通過對模型的研究，可得到更多的參數，也可使我們對所研究的對象有更深入的了解。

通常，人們會或多或少地掌握關於被估計隨機過程的某些先驗知識，從而有可能對它作出某些合理的假定。例如，為它建立一個准確或至少近似的模型，而不必像經典功率譜估計方法那樣主觀武斷地認為凡未觀測到的數據都等於零。這就從根本上摒棄了對數據序列加窗的隱含假設。以參數模型為基礎的功率譜估計思路如下。

（1）通過對隨機過程的理論分析和實驗研究，為該隨機過程選擇一個合理的模型，即假定所研究的過程x（n）是由一輸入序列ε（n）激勵一線性系統H（z）的輸出；

（2）由已知的x（n）或其自相關函數r_xx（m），選擇有效演算法來估計該模型的參數H（z）；

（3）用估計得到的模型參數H（z）計算x（n）的功率譜P_xx（e^jω）。

圖4-1 序列x（n）的有理傳輸函數模型

實際應用中所遇到的隨機過程大多數都可以用有理傳輸函數（系統函數）模型很好地逼近，如圖4-1所示。設輸入激勵ε（n）是均值為零、方差為

的白雜訊序列，線性系統傳輸函數為

地球物理信息處理基礎

式中：b_k是MA系數；a_k是AR系數（詳見第一章）。若h（n）是實的，則三種類型的差分方程、系統函數以及功率譜分別為

（1）全零點模型

地球物理信息處理基礎

或

地球物理信息處理基礎

（2）全極點模型

地球物理信息處理基礎

地球物理信息處理基礎

或

地球物理信息處理基礎

（3）極點——零點模型

地球物理信息處理基礎

或

地球物理信息處理基礎

由第一章知，如果功率譜完全是連續的，那麼可以用一個無限階的MA過程來表示任何ARMA過程或AR過程；可以用一個無限階的AR過程來表示任何ARMA或MA過程。因此，如果選擇了一個不合適的模型，但只要模型的階數足夠高，從理論上講，它仍然能夠比較好地逼近被建模的隨機過程。估計ARMA或MA模型參數一般需要解一組非線性方程，而估計AR模型參數通常只需解一組線性方程。限於篇幅，本章主要介紹AR模型分析，由於其模型的參數提取為線性問題，易於解決。

⑦ 什麼是類比估算和參數估算，它們有什麼不同

以下選項都是正確的：
1.類比估算是指利用過去類似項目的實際費用作為當前項目費用估算的基礎。
2.參數估演算法是一種運用歷史數據和其他變數之間的統計關系，來計算計劃活動資源費用估算的技術。
3.費用類比估算一般比參數估算更少成本，但它也一般更不準確。
以下是類比估算的優點和缺點：

類比估算的優點類比估算的缺點迅速精確度略差不需要識別所有的項目活動在對項目細節信息了解有限的情況下做出估算成本較少需要豐富的經驗才能做好能夠讓項目經理了解管理層的期望水平獲得的是最大塊的預算卻難以證明為何是需要的整個項目的費用能夠有一個概覽對不確定性大的項目而言是非常困難的
未能將項目之間的差異考慮在內

⑧ 成本估算的成本估算的工具和技術

1.類比估演算法：也叫自上而下估演算法，他是使用相似項目的實際成本作為項目成本估算的根據。
2.自下而上估演算法：是估計各個工作項或活動，並將單個工作項匯總成整體項目估算的一種方法，又是成為基於活動成本法（ABC法）。
3.工作分布估演算法：使用項目階段百分比來估算。
4.參數模型法：是在數學模型中應用項目特徵（參數）估算項目成。
5.啟發式估算：使用歷史數據和統計關系來估算
6.分階段估算：按階段逐一估算項目（最適合高風險項目的估算技巧）
7.計算機化工具。

⑨ 為什麼對已經估計出參數的模型還要進行檢驗你能舉一個例子說明各種檢驗的必要性嗎

是的。

重要性：

首先，在設定模型時，所引用的經濟理論可能是不完善的；或者雖然經濟理論是正確的但是我們對問題認識的局限性導致了結果的特殊性，可能有偏差。

其次，我們用以估計參數的統計數據或其他信息可能並不十分可靠，或者較多的採用了經濟突變時期的數據，不能真實代表所研究的經濟關系，或者由於樣本太小，會有抽樣的偶然誤差。

因此需要用檢驗對估計的參數進行評判，判定是否有經濟意義，判斷統計上是否有足夠的可靠性。

(9)參數模型估演算法為什麼要累乘擴展閱讀：

對於回歸問題，一般採用均方誤差驗證。對於分類問題，首先要明確兩個概念：查准率和查全率。數據可以分成四種類別：真正例TP、真反例TN、假正例FP、假反例FN。

TP是指預測結果是正例，實際也是正例的數據；TN指預測結果是反例，實際也是反例的數據；FP是指預測結果是正例，實際是反例的數據；FN指預測結果是反例，實際是正例的數據。可以構成一個混淆矩陣。

查全率表示在實際是正例/反例的數據中預測為正例/反例的比例，就好比瓜農拿了幾個好瓜給我們，我們覺得有幾個瓜比較甜，實際上全都很甜。查准率和查全率是比較矛盾的兩個指標，一方較大那麼另一方往往會較小。

P-R曲線可以用來評估兩個學習器的效果好壞，以查准率為橫軸、查全率為縱軸。如果一條學習器的曲線能完全包住另一條曲線，那麼前者的效果比後者好。如果兩條曲線有交叉，那麼平衡點離兩個坐標軸較遠的學習器效果較好。

對於roc曲線而言，如果一個學習器的曲線能夠完全包住另一條曲線，那麼前者的效果好於後者，這和P-R曲線相同。