国立台北大学统计学系论文大纲封面规定

文件类型：DOC/Microsoft Word 文件大小：字节

更多搜索：国立台北大学统计学论文大纲封面规定
国立台北大学统计学系论文大纲封面规定国立台北大学统计学系论文大纲封面规定
国立台北大学统计学系硕士论文大纲提案
论文中文名称:

学生学号:
学生姓名:
指导教授签名: 日期:
※注: 提案同学填写本单前,应先获得指导教授之同意,於规定日前交至系办公室.
国立台北大学统计学系硕士论文大纲提案内容规定

(一)中文摘要.请就本论文要点作一概述(五百字)
(二)研究之背景及目的.请详述本研究之
1. 背景
2. 目的
3. 重要性
4. 国内外有关本研究之研究情况
5. 重要参考文献之评述等.
(三)研究方法,进行步骤及执行进度.请列述:
1. 本研究采用之研究方法与原因.
2. 预计可能遭遇之困难及解决途径.
(四)预期完成之工作项目及成果.请列述:
1. 预期完成之工作项目.
2. 对於学术研究及其他应用方面预期之贡献.

论文大纲范例
硕士论文大纲提案内容--
XXX(题目)
(一),中文摘要.请就本计画要点作一概述(五百字)
在本篇论文中,延伸了Chen et al (1993),(1996)针对估计自我回归函数最适阶次所使用重复抽样的观念,由於转换函数是多维度自我回归函数的特例,因此我们期望重复抽样的方法也能应用在判断转换函数阶次上.我们令{y1,y2…,yn}为n个从转换函数(b,d)所求得的观测值,其函数模型为
yt=v1xt-1+v2xt-2+…+ vbxt-b+zt,其中残差项zt为任意分配但是符合平均数为0,变异数即可(在Chen et al(1993)中有提及残差项之分配不影响模式选择).
传统的模式选择准则如AIC,SBC皆是将(k)=ln()+kC(n,k)最小化以求得最适阶次k,其中n为样本大小,k为配适模型最适阶次,为残差的变异数估计值,C(n,k)为仅与n,k有关的常数序列.然而传统上述这些阶次选择准则的缺点是常数序列C(n,k)完全忽略分配过程中的潜在重要因素,而且不是过度高估阶次,就是低估许多.而我们则是将原有的资料以重复抽样得到更佳的惩罚因子,其流程如下:从原有资料y1,y2…,yn配适更高阶的转换函数来估计残差分配,并且将残差重复抽样以得到新的转换函数TFN(j,d)观测值Y,Y,…Y,其中j从1到K1,而K1是一个特别的常数.(k)也是依照传统模式选择的方式,当我们将常数序列C(n,k)应用在每个{Y}所生成的序列,其中j=1,…K1,在k=j时会有唯一最小值出现(k),则k=j即为所求之阶次.
当我们估计完转换函数的阶次之后,在已知残差项为AR模式时,我们也可以利用Chen et al在单维度使用重复抽样的方法估计转换函数的残差项,并且与Chen et al之结果进行比较.
(二),研究之背景及目的.请详述本研究之
背景
本篇论文的研究动机主要是因为学术上显少有二元时间序列模式的阶次估计被探讨,而在读完Chen et al於1993年及1996年提出Resampling的方法来判断单维度,多维度自我回归函数的阶次估计后便思索是否能将此法应用在二元时间序列之转换函数上.从两篇论文的结论发现使用Resampling来估计阶次有较高的准确率,因此我们欲了解多维度的特例(转换函数),在使用重复抽样的方法来判断模型阶次,是否也有相同的准确率,最后也欲将所得之残差项依Chen(1993)重复抽样之方式求其最佳阶次.
2,目的
Chen et al提出Resampling的方法来判断单维度,多维度自我回归函数的
阶次估计,其中并有证明残差变异数为严格递减及惩罚因子的收敛情况,并
且在最后的模拟结果当中显示重复抽样的方法有极高的模式选择准确率.因
此本计画证明转换函数的残差变异数为严格递减及惩罚因子的收敛情况,并
希望最后亦有较高的模式选择准确率.
3,重要性
以往在估计自我回归函数及转换函数时,皆是以传统的AIC,BIC为模式选
之准则,然而Hannan and Quinn(1979)提及在样本很大情况下,两者会有高估的情况发生.Chen et al在1993,1996提出以重复抽样方法来判断,从模拟结果显示此方法有较高的准确度.因此若我们能得到多维度自我回归函数的特例「转换函数」亦有相同之结果,则往后在做转换函数的模式选择时,亦可采用重复抽样之方法进行模式选择.
4,国内外有关本计画之研究情况
(1),Chen et a
·上一篇：第二届管理知识与技术提升学术研讨会
·下一篇：第二届大专院校交通工程与智慧型运输系统专题论文竞赛...