基于神經網絡分位數回歸及核密度估計的概率密度預測方法研究.pdf

1、概率密度預測方法是基于統(tǒng)計學及概率論相關知識的一種方法，在統(tǒng)計學和概率論中有著科學的理論依據。通過完整的概率密度曲線圖，不僅可以獲得較為準確的點預測值，給管理決策提供更精準定量依據;同時也可以獲得預測對象的完整連續(xù)的概率密度曲線以及其概率密度函數。通過分析預測的隨機變量概率密度曲線圖，可以為管理決策提供更多準確有用信息。
　　本文通過神經網絡分位數回歸方法，不僅克服最小二乘回歸的缺點，同時可以結合神經網絡方法自適應和強大非線性的優(yōu)

2、點。通過設置不同的分位點，來預測隨機變量不同分位點下對應的分位數，這樣可以更加細致刻畫被解釋變量在不同分位點上受解釋變量的影響以及他們之間的關系。通過神經網絡分位數回歸方法先求出預測對象的不同分位點上對應的分位數，然后再用確定好的核密度估計形式與最優(yōu)窗寬選擇方法，運用核密度估計方法思想，得出預測對象的完整連續(xù)的概率密度曲線圖。通過加入不同的因素、以及選擇不同的核密度估計形式和最優(yōu)窗寬選擇方法，可以比較在加入不同考慮因素和采用不同核密度估