<link rel="stylesheet" href="styles.cf390c6bfbe7555f.css">

Browsing by Author "JACK-C.LEE"

Now showing 1 - 13 of 13
  • Thumbnail Image
    Item type:Item,
    具相關性資料之統計分析(II)
    (2000)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計學研究所
  • Thumbnail Image
    Item type:Item,
    具相關性資料之統計分析(III)
    (2001)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學統計學研究所
  • Thumbnail Image
    Item type:Item,
    具相關性資料之統計分析(IV)
    (2002)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計學研究所
  • Thumbnail Image
    Item type:Item,
    利用廣義p值, 廣義信賴區間及特徵函數的統計推論(II)
    (2004)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學財務金融研究所
  • Thumbnail Image
    Item type:Item,
    利用廣義p值,廣義信賴區間及特徵函數的統計推論(III)
    (2005)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學財務金融研究所
  • Thumbnail Image
    Item type:Item,
    利用廣義p值、廣義信賴區間及特徵函數的統計推論(I)
    (2003)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學財務金融研究所
  • Thumbnail Image
    Item type:Item,
    多變量逆高斯分佈的進階研究(I)
    (2000)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學統計學研究所
  • Thumbnail Image
    Item type:Item,
    多變量逆高斯分佈的進階研究(II)
    (2001)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計學研究所
  • Thumbnail Image
    Item type:Item,
    成長曲線模型的估計與預測
    (1997)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計研究所
  • Thumbnail Image
    Item type:Item,
    成長曲線模型的估計與預測
    (1998)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計研究所
    成長曲線的資料分析很早就被重視，自 Potthoff and Roy(1964) 出版之後，更成為多變量統計分析領域裡相當重要的理論與應用的課題。Geisser(1970) 發表了上述模型的貝氏分析及其預測理論，使該模型在實際應用上更被重視。之後 Lee and Geisser(1972,1975)發表了更進一步的預測分析之理論與生物資料的應用，奠定了近年來成長曲線模型之預測分析的基礎。 Lee and Geisser(1996) 於即將出版的新書, Modeling andPrediction,Springer- Verlag(Publisher), 關於近 25 年來在成長曲線預測分析的研究，做了個相當完整的回顧，並提供一些新的結果。Lee andGeisser(1972, 1975) 及 Lee 這 25 年來的研究成果也廣為這方面的專家引用。譬如 Kshirsagar and Smith(1995) 花了不少篇幅引用 Lee andGeisser(1972, 1975) 及 Lee 的一些結果。Lee(1988) 強調成長曲線模型在預測分析上，除了成長函數 (Growthfunction) 之訂定之外，共變異數矩陣 (Covariancematrix, or structure) 是最重要的考慮。Lee(1991) 及 Keramidas and Lee (1995)考慮一些 Jennrichand Schluchter(1986) 提出的不同矩陣，並強調共變異數矩陣的選擇係因手邊的資料而定。因此，考慮各種不同具預測能力的共變異數矩陣 (含 ChiandReinsel(1989), Geary(1989), Fearn(1975), Rao(1967, 1987),Diggle(1988)等等) 將是本計劃的重點之一。同時，成長函數的訂定，則關鍵於如何設定多項式的次數。除了 Leeand Tan(1984) 之外，一般對於 Potthoff-Roy 模型均假設該次數是已知，然而，實際上次數應該與手邊的資料有關，因此，成長函數多項式次數的決定也是個相當重要的課題。線性成長函數將允許平衡與非平衡的狀況，故中斷及遺失的資料也可應用。
  • Thumbnail Image
    Item type:Item,
    科技更替的預測分析
    (1997)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計研究所
  • Thumbnail Image
    Item type:Item,
    科技更替與衰退資料的預測分析
    (1998)
    李昭勝
    ;
    JACK-C.LEE
    ;
    交通大學統計研究所
    本計畫共分兩個部份。第一部份有關科技替代資料的建模，第二部份則有關衰退資料的建模。(一)科技替代資料於此我們擬以假設的S-狀曲線直接建模。在本計畫，我們擬同時利用數個短的時間序列來建立非線性的模型。對應NL1及NL2的多變量非線性將用來與Keramidas and Lee(1990)的多變量線性模型做預測分析的比較。(二)衰退資料一般而言，衰退資料是時間時列的屬性。故本質上是相關的資料。因此我們可以提出下列問題：當觀察到時間點 之後，可否預測 點的衰退？倘若在 點時的衰退已達某種程度，則該單元的工具或材料不該再被使用。另外一個問題是：既然同一單元的數個觀察值是相同的，則可否利用n種"相似"的單元來幫忙做參數的估計。原因是，通常因為每個單元的觀察值不易多取，唯數個單元可以較易同時取數個觀察值。在此情況下，一般的估計方法無法使用。因為通常每個單元個別做參數估計時，所需資料不少。所得結果將與日下盛行之方法比較其預測誤差的大小。此如Lee(1991)及Keramidas and Lee(1995)所倡導的模型選取準則。我們相信此類資料，因具相關性，預測能力的表現將是此種資料模型選取的指標。除了已發表的資料，我們也擬研究交大工學院院長余大仁教授實驗所得的新資料。
  • Thumbnail Image
    Item type:Item,
    補助國內大專校院購置S&P COMPUSTAT財金分析資料庫專案
    (2003)
    李昭勝
    ;
    JACK-C.LEE
    ;
    國立交通大學統計學研究所