kolmogorov

Abstract: 本文旨在介绍当二元资料来自回溯性抽样时 我们如何检定罗吉斯回归模型的适合度。 文中介绍三个分别由 Qin & Zhang (1997) 提出的 Kolmogorov-Smirnov 型式统计量 Zhang (1999) 提出的卡方型式统计量和 Cheng & Chen 提出的分数型式 (score type) 统计量。 而当资料来自横断面抽样 (cross-sectional study) 时 这三个统计量也都可以被用来检定罗吉斯回归模型

朱文越，1976年生，博士，研究员，博士生导师。2000年毕业于安徽师范大学物理系，获理学学士学位；2006年毕业于中国科学院研究生院，获光学专业理学博士学位。现任中国科学院安徽光学精密机械研究所副所长、中国科学院大气光学重点实验室常务副主任

摘 要： 采用建三江分局七星农场1957年至2010年648个月的降水观测资料，基于相空间重构技术、G-P算法等分别对72个月、216个月及648个月等不同长度序列的关联维数及Kolmogorov熵进行计算。结果表明：1） 七星农场月降水时间序列存在混沌特性；2） 延迟时间τ=3个月，嵌入维数m=7，序列长度对延迟时间τ及最小嵌入维数m的选取影响较小；3） 饱和关联维法不适合小数据量时间序列的混沌性识别，且序列长度越长，关联维数越容易达到饱和；4） Kolmogorov熵法可以对不同长度时间序列进行处理，且序列长度越长，Kolmogorov熵越容易趋于稳定。研究为混沌理论的进一步完善及其在水文学方面的应用提供了科学依据，同时对于建三江分局降水时间序列的分析具有一定的指导意义