资源描述：
《禽类饲料配料自动控制系统(外文翻译)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、在配料估计的稳健性叶英杰a,1,布鲁斯·施迈泽b,*摘要我们提出和调查的样本方差估计的鲁棒性的替代定义意味着所产生的稳态模拟实验，替代定义意味着所有已知的重叠批次均值的配料估计有两个最佳的平均误差平方和最优鲁棒性，爱思唯尔公司对这个估计保留一切权利。关键词：蒙特卡罗模拟；统计分析；标准错误。1背景我们认为，产生的模拟实验的稳态输出数据,...,并估计过程均值与样本均值有差异是个人的不同意见和是自滞后,=1,2...作为典型的稳态仿真分析实验中，我们假设方差和自相关未知，因此，只要用输出数据，...,，方差必须估计。我们通常用（平方根是表
2、示一个估计值的标准错误）。估计的几种方法都是基于输出数据分组大小。在这里，我们认为非重叠一批手段（NBM）的估计[2],标准化的时间系列区（STS-区域）的估计[12],冯·米塞斯（CVM）的估计[5],重叠一批意味着（OBM）的估计[8],并部分重叠批次（OBM50%，67%的自有品牌，75%的自有品牌，和80%OBM）的估计[18]。我们还认为，两个线性的NBM和STS-区域的组合：Schruben的原著[12],用权最大限度地减少方差，和变化与重量，最大限度地减少mse。宋，施迈泽[15]讨论这些其他配料的估计，包括研究其通过他们
3、的二次分析的属性形式。一个根本的问题是如何选择批次（已知的）运行长度为n的函数，m的大小的功能，（已知）类型的估计，（未知）方差稳态输出和自相关的过程。经典理论说，一个很好的批次大小可以产生一个良好的置信区间。这个“好”意识是指覆盖概率和分布间隔的长度，往往凝聚到平均覆盖概率和预期半长。菲什曼[3]的一倍的NBM批量大小直到分批处理，意味着通过一个独立的测试，隐含概率的方法，重点平均覆盖。施迈泽[10]比较渐进覆盖概率均值和方差数的函数半长非重叠批次。Schruben[12]和斯曼和Schruben[7]认为不同方法。我们认为STS将一
4、批次大小估计比NBM提供了更多的自由度（即，小方差）。最近，陈和凯尔顿[1],菲什曼[4],斯泰戈尔和威尔逊[17]为确定适当的开发程序数量的NBM批次和适当的批量大小取得了良好的间隔性能。本文基本上是类似的叶和施迈泽[20],主要异同是部分重叠偏置常数的推导在本文的附录和一批意味着除了CvM的比较估计。2最优批量大小另一种可以达到良好的置信区间性能是定义良好的批次大小，也可以使使用mse的估计产生一个小的方差。这个“好”是指有一个小的偏差和一个小的方差，如下著名的结果平衡斯曼和迈克顿[6]使用MSE比较估计的的定义偏置常数和每个类型的
5、估计方差为常数。公式[13]表明了导致这个偏差和方差常量的渐近公式，其中有和。对于样品的尺寸，估计型常量（），和输出过程的常数（），渐近MSE是最小化，渐近MSE最优批量大小。MSE的最佳批量大小M，取决于输出的过程，只有通过比C/C进行估计；比较估计之间的类型应该反映不同的比率。MSE的最佳批量大小M，取决于输出过程中，只有通过对比例τ=γ/γ进行比较，根据各种输出过程所反映的一系列比率。我们所指的比例τ为输出过程中的重力中心，因为是进程滞后的扭矩积极的滞后自相关是零。不同的汽车相关图可以产生相同的值，因此，拥有同样的最佳批量大小。在
6、比较基于MSE最佳性能的估计类型上，表一和[6,13,16]中相似。C为部分重叠的一批价值手段可以发现[18]。我们获得C的部分重叠批次是指在附录。表1各种配料估计的性质估计量性能偏差方差OBM14/30.911.2180%OBM134/250.901.2375%OBM111/80.901.2467%OBM138/270.891.2650%OBM13/20.871.31LC-var5/310/91.361.51NBM120.791.59LC-var211.591.59CvM54/53.152.52STS-area321.653.30对于
7、每个估计的类型，包含列表，分别偏置常数，方差不变，MSE最优批量大小，最小的MSE。后两个缩放，忽略样品大小的影响，重心和输出方差Var（Y）。众所周知，估计这些类型的最小渐进MSE是获得与自有品牌，拥有完整的重叠是最好的。同等重量的线性组合国家银行和STS区域，记为LC-VAR渐进方差，因为它最大限度的减少，反转国家银行和质量的偏差和方差常数相同的最佳MSE。3估计误差的鲁棒性渐近MSE最优批量大小将被称为约，如果重心τ被视为近似的，因为他是未知的，估计这取决于根据MSE最优批量大小，需要估计。宋[14]估计直接通过许多汽车的估计。佩
8、德罗萨[9]估计在他的1-2-1OBM的估计的。然而获得，被替代成MSE最优估计批量大小的公式获得一个估计的。在比较类型的估计，宋[13]和施迈泽[16]认为，强劲的尼斯到批处理尺寸误差，，是一个重要的属性
