关于单侧检验拒绝域的证明及假设检验的概率实质

根据假设检验的基本思想 ,阐明了“检验规则”的实质 ;根据小概率原理 ,完善了对单总体参数单侧检验拒绝域的理论证明 ;根据假设检验中的参数是一个未知的常数而不是一个变量的观点 ,揭示了单侧检验的概率实质 .同时 ,还提出了单侧检验中的两个易被忽视的问题及其解决方法 .最后 ,对假设检验中的一些基本概念给出了几点简要的评注 .     

风险型决策的可信度研究

本文提出了风险型决策的可信度以及最优决策的结构概念，分析了影响决策可信度的几个主要因素，给出了可信度的计算函数及其基本性质，举例说明了提高决策可信度的方法。     

证券组合有效子集的统计推断

本文在奇异协方差阵下研究了证券组合有效子集的统计推断,得到了有效子集的一些新的判定条件,并导出了相应的检验统计量及其渐近性质,同时通过对有效子集假设检验问题及其检验统计量进行分解,本文还给出了相关检验统计量的一些经济含义.最后,为验证本文结果,我们还给出了一些随机模拟和实证分析的例子.     

关于区间估计和假设检验的一点注记

给出了当枢轴量和检验统计量的分布密度为单调函数时,寻找最优置信区间方法,并说明了在此条件下进行假设检验选择单侧拒绝域的合理性。     

单因素方差分析的一种非参数统计模型方法

本文研究了单因素方差分析中样本是连续的位置参数族的假设检验问题,利用秩统计量,获得了一种有效的假设检验方法,同时也用计算机算出了检验统计量的部分概率函数值.     

至多一个分布变点的非参数检验及其渐近性质

本文研究了连续分布函数变点的假设检验问题,通过秩统计量和次序统计量方法,得到了相应的检验统计量及其渐近性质.     

Panel数据模型的参数bootstrap推断

利用广义p值和参数bootstrap方法,研究了Panel数据模型中未知参数的假设检验问题.对于回归系数,基于最小二乘估计和两步估计方法,考虑了非齐次线性假设检验问题.对于方差分量,研究了单边假设检验问题.进而利用Monte Carlo方法进行模拟研究.模拟结果表明,参数bootstrap检验方法既能较好控制犯第一类错误的概率,又具有较高的功效,且大多数情况下优于广义p值检验方法.     

AHP中判断矩阵的一致性检验新方法

Saaty给出的AHP方法只适用于决策属性较少情景,其原因是方法仅仅给出了15阶以内判断矩阵的平均随机一致性指标的检验临界值.发现在多因素、大数据环境下,Saaty方法的可靠性存在一定的缺陷,不宜沿用.于是,将判断矩阵分解为一致性矩阵与扰动矩阵的Hadamard乘积,通过对判断矩阵的一致性与扰动矩阵之间的关系的研究,提出了一种基于概率统计与假设检验的判断矩阵一致性检验新方法,这一方法突破了决策因素个数的限制,在实例分析中取得了较好效果.     

多元模糊数据的假设检验方法

模糊假设检验对处理模糊概念进行决策分析是很重要的。本文给出了一个模糊多元数据的假设检验方法。因为数据是模糊的,不能在一个清晰的置信水平上接受或拒绝原假设,故本文提出了一个与结果相关联的可信度的概念。为了能应用清晰数据的假设检验,本文引入了模糊数的δ-截概念。     

统计学入门(Ⅸ)

十八、对正态总体均值和方差的检验 在这一节中我们将具体列出关于一个正态总体的均值μ或方差σ2的假设检验.根据上节的讨论,这些检验与μ或σ2的置信区间的构造有关.因此我们不准备详细地给出这些检验的推导过程,仅将结果以表格形式列出,并给出若干说明性的例子.18-1关于均值u的假设检验 需要检验的假设H0:μ=μ0(双侧检验);μ≥μ0或μ≤μ0(单侧检验),其中μ0是已知的常数.检验统计量当σ已知时用当σ未知时用 例18-1炼钢厂为测定温铁炉铁水温度,用测温枪(主要装置为一种热电偶)测温6次,记录如下(单位℃): 1318, 1315, 1308, 1316, 131…     

基于学习—遗忘效应的生产率降低损失索赔研究

建设工程项目很多具有重复性施工的特点,本文利用这种特点将学习-遗忘效应应用到平衡作业线(LOB)方法中,分析因为工程中断造成生产率的降低的现象,认为因生产率降低而导致工程工期的延长实际上超过工程实际中断的时间,最后以一个工程案例来说明分析过程.     

More on cancellative semigroups on manifolds

Communicated by D.R.Brown     

Remark on the weierstrass points on curves

We give a treatment of the Weiertrass points of curves which is a little different from the treatment by Laksov. We introduce the notion of theith weight which makes the treatment easier and gives an algorithm for computing the gap sequence of an effective divisor and the weight at a point. Supported in part by NNSF of China.     

Remarks on normal operators on Banach spaces

Rendiconti del Circolo Matematico di Palermo Series 2 - A closed densely defined operatorT on a Banach spaceX is called normal, iff $$T \in [C^0 (\hat \not C)]$$ , i.e. there is a homomorphism...     

A note on pseudo-metrics on the plane

Every c-finite measure Μ on the set G of the lines on the plane such that $$(0){\text{ }}\mu {\text{(\{ g}} \in G:{\text{ }}P \in {\text{g\} ) = 0}}$$ for every point P?R ² generates a pseudo-metric F on the plane when one puts F P ₁, P ₂= \(\tfrac{1}{2}\) μ({g∈G:g separates the points P ₁ and P ₂}) The pseudo-metrics which are generated in this way possess the property of linear additivity, that is F(P ₁,P ₃)=F(P ₁,P ₂)+F(P ₂,P ₃) for P ₁,P ₂,P ₃ on a line, P ₂ between P ₁ and P ₃, and are continuous with respect to the Euclidean topology in R ² × R ². In this paper we prove the converse: every linear additive and continuous pseudo-metric F is generated as above by some c-finite measure Μ on G for which (0) holds. The method of proof shows that values of linearly additive and continuous pseudo-metric F inside every bounded convex polygon C are determined completely by the values of F on (δC)². The representation of pseudo-metrics by measures is useful in derivation of inequalities for the former.     

基于SMMC模型的数据多流形结构分析研究

采用混合多流形谱聚类模型(SMMC)对独立子空间、非独立子空间,非线性良分离及非线性交叉等流形聚类中的四种典型数据进行聚类,并与其他流形聚类方法进行比较,发现SMMC模型聚类效果良好且具有强鲁棒性和泛化能力.将SMMC模型运用于具有混合多流形结构的工件外部边缘轮廓进行聚类,结果显示SMMC模型能够很好的将其分为三类.针对SMMC模型复杂度高、选取参数困难及运行时间长的问题,提出了基于模拟退火遗传算法SMMC模型,结果发现改进后的模型能够大大缩短运行时间.     

A counterexample on contractible transformations on graphs

Ivashchenko proposed the study of contractible transformations on graphs because of their applications to computer image analysis, theory of molecular spaces, and digital topology. He published five papers on this subject. Contractible transformations have recently been applied to topological data analysis. This paper presents a counterexample to several results that appeared in one of Ivashchenko’s works.