统计剑侠
1.他的主页都是英语的呢,
2.他首创的“局部建模”法为非参数统计奠定了理论基础.
混沌与神经网络相结合在非线性信号处理领域是一个新兴的课题。从混沌的概念入手，利用人工神经网络的拟合特性，在很多时间序列预测中可以得到很好的预测结果。
混沌预测算法的基本原理认为时间序列是由某个系统所产生的。根据Takens定理，由所观察到的一维时间序列重构系统的相空间轨迹，得到系统动力学特性的一个拓扑表示。然后依据某种拟合算法，对系统的相空间进行拟合，并由拟合出来的系统对原来的系统进行预测。对实际系统进行全局建模是比较困难的，但在时间序列的短期预测中，并不需要对系统的全局模型进行拟合，局部建模就可以满足要求。因此我们着重讨论局部建模与短期预测的基本原理。
混沌时间序列短期预测的基本思想可以用天气预报的例子来说明。为了预报明天的天气，预报员们找来历史上同一地区的天气资料，将它们与今天的天气资料相比较，找出最接近于今天的历史上某天的天气资料，并将它的下一天的天气情况作为明天的天气预报。这种方法的基础可以用混沌学的理论来说明。混沌学认为，相邻的两条混沌轨道，由于误差的指数增大，会迅速分离。但是，只要两条轨道距离充分近，而且，演化的时间不太长的话，它们之间仍然会靠得比较近，这就是局部模型用于短期预测的基本思想。对相空间某一点，要预测它下一步的轨迹，则寻找这一点在相空间的最邻近点，并将此最邻近点的轨道上的下一点作为预测值输出，这就是上述天气预报的过程。这种建模称为局部一阶建模。为了达到更好的预测精度，邻近点可以不止一个，而是N个。将它们及其相应的下一点作为样本的输入与输出，形成一个样本集，送入BP网络进行训练。训练结束后将被预测点作为输入，所得到的输出作为预测值，就完成了一次短期预测。
局部模型用于短期预测是非常合适的。但对其应用应该具有以下两点限制；
①局部模型只反映了吸引子的局部性质，这个局部的大小，主要由邻近点所构成的样本集的半径决定。超出这一区域，局部模型的精度便会下降，甚至完全失效；
②误差指数增大也使得预测的步数不能太长，即使预测点仍然处于局部模型范围之内，也应考虑误差迅速增大所带来的影响。
上述两点限制决定了局部模型不能用于中期或长期预测，其中第②点限制对局部模型和全局模型都是适用的.
ilikemath
我想作统计的目的不是寻找最完美的模型 ，可以说每一个模型都受到限制。J.Fan的局部多项式方法虽然只针对连续函数，但在大样本的情况下效果很好，在他的书上也明确说明了窗宽的正确选取，是一种很具现实意义的方法。狂赞！
biomedStat
金融学、生物信息、机器学习和生物统计
都是现在最热门和最活跃的领域！！！
conger1
谢谢转贴。
又一个大牛。以前听说最多的是汤家豪（Howell Tong）。
有点疑问，局域建模能说是他的首创吗？时序分析不是早就有人用吗？
统计剑侠
1.“无论是做人的品质、做学问的态度还是对祖国的热爱，范剑青都是我们的楷模。他是国际统计方向的领军人，却时时不忘帮助祖国。在担任香港中文大学统计系教授和系主任期间，他积极推动大陆学者访问计划和博士培养项目。现在，在完成普林斯顿的工作后，他将主要精力放在国内。”让人感叹!
2.他独创的非参数建模法使他获得了2000年的考普斯总统奖,范剑青的贡献在于提出局部建模新理念,范剑青证明了他的方法是最有效的，从此结束了该领域的长期争论。局部建模法能广泛应用于许多复杂问题的解决，如医学、保险、经济等方面。2000年诺贝尔经济学奖得主赫克曼就是用类似模型分析经济问题而名扬世界。让人敬佩!
3.俺印象最深刻的是,美国前任数理统计主席是布朗先生,现在数理统计主席是范剑青.也证明了中国人是世界上最聪明的人!
4.俺还喜欢的是他的名字中间有个"剑"字.幽默一句,俺的"剑",在他的"剑"面前,马上会还原成为一把"小李飞刀".
colinisstudent
上次范老师在人大讲得好像是半参数回归在金融领域的应用？
hajji
前路漫漫啊,太多的东西要学了,找个标杆也好.
cran
很受鼓舞
jinjin
要敢于学习，敢于创新才有新的收获啊。我现在佩服他，
希望以后可以站到巨人的肩膀上，看到更远的风景
lfy1984
优秀的科学家善于通过试验自己创造知识
kenkvszhxd
学习！路还很长
阿金
ruikoeln
alpha-beta
tjfji
