共查询到20条相似文献,搜索用时 31 毫秒
1.
《应用概率统计》2020,(3)
多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图等.然而,这些控制图都假设数据服从等协方差的多元泊松模型,因为等协方差的多元泊松模型对各个变量之间的相关性有严格的约束,因此应用范围狭窄.本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图.在考虑不同模型,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模拟比较了传统控制图和新控制图GMP-CUSUM的平均运行链长(ARL),证明异协方差多元泊松模型更加适应对多元离散数据的建模,应用范围广,并且新控制图能更快速地检测到异常过程偏移,灵敏度高. 相似文献
2.
3.
4.
本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好. 相似文献
5.
6.
7.
8.
9.
10.
11.
泊松分布和负二项分布常用于拟合保险索赔次数.它们和二项分布统称为(a,b,0)分布族.本文对(a,b,0)分布族进行了研究,然后在此基础上给出了(a,b,0)分布离散型随机变量是服从泊松分布,还是服从负二项分布或二项分布的检验方法.本文基于我国某家保险公司的索赔次数数据进行了实证分析,并对检验的功效进行了模拟研究. 相似文献
12.
《系统科学与数学》2017,(5)
广义泊松分布是普通泊松分布的自然推广,克服均值与方差相等的局限性.在计数数据中,常常会有多变量的情形,比如保险保单定价.因此文章考虑多元广义泊松分布的参数估计和假设检验问题,针对共协方差多元广义泊松模型提出两种参数估计的方法,矩估计方法和极大似然估计方法,并比较两种方法的优劣性.文章就多元广义泊松分布的假设检验问题,主要探讨了其退化检验及独立性检验,由于参数及变量较多,运用似然比检验方法构造服从卡方分布的检验统计量.最后,运用多元广义泊松理论分析不同地区森林发生火灾的次数,首先用文中提到的检验方法诊断数据是否可以用多元广义泊松分布,其次进行参数估计及实际问题的分析解释. 相似文献
13.
14.
2018年1月爆发了规模空前的流感,以乙型流感为主,本次流感几乎席卷了中国大部分的地区,导致多人死亡,在社会引起了较大的恐慌.为了更好的应对流感的爆发,减少累计染病量和染病峰值,实现对流感的有效预防控制,在流感病例数据的基础上,建立动力学模型来描述乙型流感爆发的传播过程,计算了基本再生数与有效再生数,并利用遗传算法拟合数据估计出了模型中的参数;通过数值模拟,探究采取疫苗和隔离措施对累计染病数和峰值的影响,得到:隔离与免疫可降低染病峰值,减小染病规模;越早采取免疫措施,越快地减少总染病人数;与采用隔离措施相比,注射疫苗能更快得降低有效再生数.为预防和控制乙型流感爆发提供可以借鉴的理论依据与可行的控制措施. 相似文献
15.
在Rao给出的理想纱条的数学定义的基础上,进一步提出利用泊松过程来描述纤维在理想纱条中的随机排列.由此得出纱条片段中纤维左头端数服从泊松分布,相邻纤维的左头端间隔距离服从指数分布,纤维左头端在纱条中的位置服从均匀分布,纱条截面的纤维根数服从泊松分布,这对理解纤维在纱条中的排列结构以及模拟纤维在纱条中的随机排列提供了基础.在此模型的基础上对纱条的条干不匀进行了分析,给出了考虑纤维细度因素之后的条干不匀公式. 相似文献
16.
17.
本文针对呈正态分布的过程数据, 讨论当过程参数$(\mu,\sigma^2)$已知或未知时单参数变化、双参数变化的过程控制问题. 针对均值未知情况,利用Quesenberry提出的$Q$统计量构造了一系列标准化的CUSUM图;对于方差未知时的复杂情形, 给出了一种构造更为简单的CUSUM图的方法;对于未知(或不关心) $(\mu,\sigma^2)$中何者变化的特殊情形, 文章提出了纯变化的概念, 给出了相应统计量及由该统计量构造的CUSUM-D图, 针对每个考虑的情形, 通过模拟计算本文给出了相应于统计量的条件期望延时(CED), 同时在文章最后给出了本文提出的CUSUM图与已有的CUSUM图($Q$图)的模拟比较, 结果表明新的CUSUM图是可行的. 相似文献
18.
19.
《数学的实践与认识》2015,(24)
将泊松分布参数的充分统计量的离散型分布函数转化为生存伽马分布函数,以此为枢轴量构造了泊松分布参数的精确置信区间.通过数值模拟,选择合适的置信度组合,得到精确最短置信区间.讨论了大样本下泊松分布参数的近似置信区间的估计精度,验证了精确最短置信区间的计算结果. 相似文献
20.
随着传感技术和数据采集系统的逐渐完善,大量复杂高维数据可以被收集,对多变量和高维数据流进行监控往往是现代制造业和质量管理部门的一个基本要求.然而,在高维数据监控领域中,由于“维数的诅咒”以及变量的分布通常是复杂未知的,大多数传统的多元控制图不再适用.针对这种情况,一些研究者讨论了对分布未知且复杂高维数据的均值向量的各种检验,但这些检验很少适用于Phase II阶段的过程监控.文章提出了一种基于高维经验似然比检验的EWMA型非参数监控方案,该方案可用于多元过程和高维过程均值向量的监控,并且适用于子组数据流.所提出的控制图不仅易于实现和解释,而且蒙特卡罗数值模拟结果显示该控制图在对称、偏态、厚尾分布中都能有效地监测均值漂移.最后,将所提出的控制图应用于半导体制造过程,结果显示文章的方法对未通过测试的半导体具有良好的监控效果. 相似文献