浅谈分形统计.pdfVIP

浅谈分形统计 吴争程 福州大学管理学院统计系(350002) E-mail ：wuzhengcheng618@ 摘 要：如果真实世界不是按标准正态分布的,那我们在正态的假设前提下所做的统计推断 就可能出错。分形描述一种更符合现实的分布，它承认现实是混乱和复杂的。分形统计与高 斯统计的不同在于如何看待不确定性。分形认为不确定性不等于随机性，混沌系统是在随机 的初始条件按照特定规则产生的，是随机性和确定性的结合，是局部随机和全局秩序。其实 高斯统计是分形混沌方法的特例。认识分形的意义在于排除先验思想的干扰，真正认清要研 究的问题和对象。 关键词：分形 混沌 统计 1.什么是分形和分形统计 分形（Fractal）是关于动力系统或超复杂系统的轨迹在某一空间上的维数不是整数而 是分数的一种说法。分形最早源于几何学概念，可以用来描述大多数自然形状和时间序列。 分形认为事物是不可逆的，有时间方向上的变化；分形对象具有广泛的规模变化范围；分形 用分形维来描述对象是如何充满空间的，分形是可以是粗糙的，不连续的，它的维数可以是 整数的也可以是分数的，它不像传统的认为物体只有整数维：一维直线、二维平面、三维立 体。分形形状在空间上显示自相似性，分形时间序列在时间上显示自相似性。简单的说，分 形是指一个对象，其部分以某种方式与整体相关，其各个组成部分是自相似的。一切具有分 形性质的形状或序列，其特点在于局部的随机性和整体全局的秩序。分形认为不确定性不等 于随机性，不确定性是以初始条件的敏感性为前提，并由此反映过程的稳定与不稳定性。 分形分布具有如下特征：（1）自相似性：只要特征指数 α和偏斜度参数β保持不变， 无论规模参数 c 如何变化均不会改变同一范围内的概率。序列是无穷可分的，具有自相似的 统计结构。 （2）跳跃性 （非连续性）：分形分布的胖尾是由反馈效应导致的，在时间序列 里的反馈效应在过程当中产生了跳跃。分形过程中的大变化是从少量的大变化产生的，而不 是正态分布中所暗示的大量的小变化产生。 （3）加法下的稳定性：服从分形分布的观测值， 只要具有相同的 α和β，相加之后同样服从分形分布。 分形统计学以分形分布为核心，与传统的高斯统计相比，它在数据处理方面不是在纯随 机背景的假设上进行推导，而是可以看成一种数据挖掘 (储海林,2004)，他反映的是过程本 身由映射所产生的结构的和技术的信息，是从真实数据中取得了非线性动态特征。 2.传统统计方法的不足 统计工作一般包括四个阶段：数据搜集、整理、分析和推断。对统计资料的分析是统计 工作的核心。但其实从一开始收集数据，分析就已经发生作用了。传统的统计分析就是高斯 统计分析，它的原则思想是把数据假设为独立，按照大数定理和中心极限定理进行统计描述 分析和推断。我们并不否认传统的统计分析方法的意义和功劳，但是这种统计分析方法已经 - 1 - 呈现出明显的不足和缺陷： 2.1 人类的行为是复杂的 行为心理学考察人们实际上是如何决策的。行为科学家发现人们是以称为启发法的经验 法则为基础进行决策的。启发法是指处理复杂问题和有限的描述信息的简化策略。这种决策 方法并不总是最优的，也就是说行为科学家发现人们在实际决策中并不是严格按照贝叶斯分 析的概率行事。另一个研究复杂行为的领域——模糊集合证实了这点。模糊集合是与清晰集 合相对的，面临复杂情况时，清晰集合严格遵循矛盾律和排他律，过于追求精确而丧失了有 用性。模糊集合引入了分数值，用模糊隶属函数来定义一个对象对于一个集合的概念的相似 程度。一个隶属函数是对复杂状态的描述，增加数据或抽样不会改变它的值，而概率是依赖 于频率和机会的，进一步抽样可能会改变概率。人们经常混淆了概率和模糊隶属函数。人们 是按照模糊逻辑进行决策，以致产生了许多“非理性”的行为。因此人类的行为是复杂的， 这种复杂行为导致了现实中众多偏离正态分布的统计特性。除了某些非常特殊的情况，人类