XiaoMi-AI文件搜索系统
World File Search Systembootstrap
横截面依赖项下的bootstrap推断
在本文中，我们引入了一种生成具有未知模式的横截面/空间依赖模式的引导样品的方法，我们称之为空间依赖性野生引导程序。此方法是Shao（2010）的野生式引导程序的空间对应物，并通过将独立和相同分布的外部变量的向量乘以引导程序内部的特征位置来生成数据。我们证明了在数据的线性阵列表示下，我们的方法对研究和未予以指导的统计数据的有效性。模拟实验记录了改善我们方法推断的潜力。我们使用独特的公司级别的销售增长与本地市场的进口活动之间的关系来说明我们的方法，并使用唯一的公司级别和加拿大进口数据。
引导 ARDL 边界检验
结果：中国、印度尼西亚、墨西哥和土耳其的经济增长、能源消费和二氧化碳排放之间不存在协整关系。当二氧化碳排放为因变量时，巴西存在协整关系；当能源消费为因变量时，印度和俄罗斯存在协整关系。除印度尼西亚外，所有 E7 国家都发现，巴西、印度、墨西哥和中国的能源消费与二氧化碳排放之间存在短期格兰杰因果关系，经济增长与二氧化碳排放之间存在短期格兰杰因果关系。巴西、印度、印度尼西亚、墨西哥和中国的经济增长与能源消费之间也存在短期格兰杰因果关系，所有 E7 国家的二氧化碳排放与能源消费之间也存在短期格兰杰因果关系。结论：结果一致表明，能源消费是二氧化碳排放的主要原因，从而导致了全球变暖问题的出现。二氧化碳排放量的增加迫使 E7 国家制定合理的能源消费和环境污染政策。
系统发育引导程序的基于机器学习的替代品
1乔治·S·S·乔治·S·怀斯·怀斯（George S. 6997801，以色列4雷蒙德和贝弗利·萨克勒精确科学学院，特拉维夫大学，特拉维夫6997801，以色列5植物科学与食品安全学院，乔治·S·S·S·S·S·S·乔治·S·乔治·S。乔治·S。电子邮件：talp@tauex.tau.ac.il电子邮件：talp@tauex.tau.ac.il
bootstrap pettitt测试用于检测...
PETTITT测试已被广泛用于气候变化和水文分析。但是，研究证据证明了该测试在检测变化点的困难，尤其是在小样本中。本研究提出了Pettitt测试的自举应用，该研究通过广泛的蒙特卡洛模拟研究在数值上与经典的Pettitt测试进行了比较。在所有模拟场景中，提出的测试都优于经典测试。在巴西的Itaipu水力发电工厂的历史归因流中进行了测试的应用，那里有几项研究显示了70年代的变化点。当该系列分为较短的序列时，为了模拟样本实际情况，提出的测试比经典的Pettitt测试更强大，以检测变化点。拟议的测试可能是检测水量突然变化并支持氢化气候资源决策的重要工具。关键字：bootstrap;更改点检测；气候变化；水文分析；水文变化；蒙特卡洛模拟。
Jussi Aaltonen Bootstrap 水库与... 的相互作用
坦佩雷理工大学技术学系。出版号 1448 坦佩雷理工大学。出版号 1448 Jussi Aaltonen 飞机液压系统中自举式储液器和液压泵的相互作用技术博士学位论文，经批准后，将于 2016 年 12 月 20 日中午 12 点在坦佩雷理工大学 Festia 大楼 Pieni Sali 1 礼堂进行公开审查和评论。坦佩雷理工大学技术学系 - 坦佩雷理工大学 坦佩雷 2016
bootgsea：多...>
结果：通过将我们的方法应用于六个独立的癌症转录组学数据集，我们表明bootstrap GSEA可以帮助选择更健壮的富集基因集。此外，我们将方法应用于从脊柱肌肉萎缩（SMA）的小鼠模型获得的成对转录组学和蛋白质组学数据，这是一种与多系统参与相关的神经退行性和神经发育疾病。在两个OMIC级别获得了强大的排名后，将两个排名列表组合在一起以汇总转录组学和蛋白质组学结果的发现。此外，我们构建了新的R包装“ bootgsea”，它实现了所提出的方法并提供了发现的图形视图。基于自举的GSEA能够在示例数据集中识别当在引导程序分析期间设置组成更改时，这些基因或蛋白质集不那么健壮。
经验光谱投影仪的定量限制定理和引导程序近似
（在非进攻顺序中）和（u J）的正征值的顺序是特征向量的相应正交系统，该问题的解决方案由光谱投影仪P J = J =J∈Ju J j u j u j和Index Set j给出。在统计应用中，X的分布及其协方差结构尚不清楚。相反，人们经常观察样本x 1，。。。，x的n独立副本的x n，现在的问题是要找到p j的估计器。PCA的想法是通过第一次通过经验协方差操作员估算的问题来解决这个问题2.2.1，用于精确定义）。因此，一个关键问题是控制和量化P J和P J之间的距离。在过去的几十年中，围绕这个问题的大量文献已经发展，例如Fan等。 [13]，Johnstoneand Paul [24]，Horváth和Kokoszka [18]，Scholkopf和Smola [45]，Jolliffe [23] [23]进行一些概述。 一种研究ˆ P J和P J之间距离的传统方法是控制一项规范，以测量经验协方差算子和人口协方差操作员之间的距离。 一旦建立了这种情况，就可以通过诸如戴维斯 - 卡汉（Davis -Kahan）不平等之类的不平等现象来推导ˆ p j -p j的界限，例如，请参见hsing and eubank [16]，Yu等。 [52]，以及Cai和Zhang [9]，Jirak和Wahl [25]，以获取一些最新结果和扩展。 [30]。 但是，如Naumov等人所述。Fan等。[13]，Johnstoneand Paul [24]，Horváth和Kokoszka [18]，Scholkopf和Smola [45]，Jolliffe [23] [23]进行一些概述。一种研究ˆ P J和P J之间距离的传统方法是控制一项规范，以测量经验协方差算子和人口协方差操作员之间的距离。一旦建立了这种情况，就可以通过诸如戴维斯 - 卡汉（Davis -Kahan）不平等之类的不平等现象来推导ˆ p j -p j的界限，例如，请参见hsing and eubank [16]，Yu等。[52]，以及Cai和Zhang [9]，Jirak和Wahl [25]，以获取一些最新结果和扩展。[30]。但是，如Naumov等人所述。但是，如Naumov等人所述。然而，对于更精确的统计分析，诸如限制定理或引导程序近似之类的爆发结果更为可取。Koltchinskii和Lounici [27]，Koltchinskii和Lounici [28，29]（及相关）的最新作品在这里特别感兴趣。除其他外，它们提供了预期的平方hilbert – schmidt距离e∥ˆ p j-p j-p j∥22和berry – esseen类型界限的分布分布近似值的精确的，非反对分析的分布分析。在Löfliper[32]，Koltchinskii [31]，Koltchinskii等人中讨论了一些扩展问题和相关问题。[39]，这些结果有一些局限性，并且自举近似可能更可取和灵活。再次，在纯粹的高斯设置中，Naumov等人。[39]成功地展示了一个自举程序，并带有伴随的界限，以减轻某些问题以限制出于推论目的而限制分布。让我们指出，从数学角度来看，Koltchinskii和Lounici [29]和Naumov等人的结果。[39]有些互补。更确切地说，在Naumov等人中，定理2.1的引导程序近似的结合。[39]失败（意味着它仅产生琐碎的性），而Koltchinskii和lounici的定理6中的绑定[29]却没有，反之亦然，请参见Sect。5进行一些示例和进一步的讨论。[7]，Yao和Lopes [51]，Lopes等。[33]，江和拜[20]，刘等。[34]。也广泛研究了特征值和相关数量的极限定理和引导近似值的主题，例如，请参见Cai等人。这项工作的目的是为两个分布提供定量界限（例如clts）和bootstrap近似，在矩和光谱衰减方面，情况相对温和。关于后者，我们的结果表现出一种不变性，在很大程度上不受多项式，指数（甚至更快）衰减的影响。
波多黎各“引导行动”的政治经济学
此开放获取由 Bard Digital Commons 的 Bard 本科生高级项目免费提供给您。它已被 Bard Digital Commons 的授权管理员接受纳入 2023 年春季高级项目。如需更多信息，请联系 digitalcommons@bard.edu。
![[取消]基于结构的Bootstrap的基于增强学习的数值方法](/simg/g:\will\search\icon\source\6\68a92c1f6474a47f07b48968084dcd7e7db94a55.webp)
[取消]基于结构的Bootstrap的基于增强学习的数值方法
i将讨论用于在保形的引导程序中数值求解交叉方程的随机优化技术。通过使用增强学习算法来告知这种方法。我将为1D线缺失的CFT提供结果，但也突出显示其更广泛的适用性。
一种用于测试本地规模雷达之间关系的自举技术
在本文中，我们使用基于GCMS和NWP模型解决的字段的分类方案进行了研究，以绘制大规模（概要尺度）大气状态与局部规模云属性的分布。天气打字或将观察到的天气分为州或天气制度并不是什么新鲜事物，但已在气象学中广泛使用[（1995）]。天气分类已被用作评估GCM和NWP模型的工具（例如Hewitson and Crane 1992，1996; Tennant 2003），包括云特性（例如Norris and Weaver and Weaver 2001; Ja-Kob and Tselioudis 2003; Jakob 2003; Jakob et et。Jaakobet。2005）。 在特定的中，Jakob等人。 （2005）在欧洲40岁的中范围内天气预测中心（ECMWF）重新分析（ERA-40）数据中暴露了缺点，通过检查模型数据作为云制度的函数，通过检查模型数据。 这些模型缺点不是每年平均值的父母。2005）。在特定的中，Jakob等人。（2005）在欧洲40岁的中范围内天气预测中心（ECMWF）重新分析（ERA-40）数据中暴露了缺点，通过检查模型数据作为云制度的函数，通过检查模型数据。这些模型缺点不是每年平均值的父母。