过离散次数分布模型的尾部特征

在保险精算和生物统计等领域,离散型次数分布模型的应用十分广泛.当实际数据的尾部较长(即过离散),且零点的概率较大时,许多模型的拟合效果往往欠佳.本文通过计算概率之比的极限和偏度系数,对混合泊松分布和复合泊松分布的右尾特征和零点概率进行了比较,给出了它们的尾部排列顺序,以及尾部长短与零点概率的关系,从而为模型的构造或选择提供了一种指导.本文最后应用一组实际数据说明了在构造或选择次数分布模型时如何考虑尾部特征,从而改善对实际数据的拟合效果.     

关于二项分布的极限分布的一个注记

讨论了用泊松分布和正态分布近似表示二项分布的精确程度问题,对于泊松分布,指出了它对二项分布B(n,p)的概率值的近似精确与否基本上只依赖于参数p而不依赖于n,并说明了经验条件“np≤5”的不确切.     

索赔次数数据分布的拟合方法的分析和比较

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.     

复合泊松过程及其在保险风险中的若干应用

本文利用齐次泊松过程的可加性,研究了复合泊松过程的可加性及其性质。作为应用,讨论了单个理赔额服从指数分布的复合泊松风险模型在第n次索赔时发生负盈余的概率。     

半导体器件数值模拟的块中心差分法

此处(1.1)～(1.3)分别是电位势方程,电子浓度(e)和空穴浓度(p)方程,其中α是由介电常数和电子电荷决定的正常数,N(x)表示掺杂分布,r,r_p是正常数,μ(x),μ_p(x)表示迁移率,R(e,p)=(ep—1)/(e+p+2)表示电子和空穴的产生复合率,△是拉普拉斯算子,是梯度算子,v是区域Ω边界Ω的外法线方向,p_0(x),e_0(x)是已知的初始浓度函数。     

泊松冲击下冷贮备可修系统的可靠性分析

本文研究了一类由有限个同质部件和一个修理工组成的冷贮备可修系统在随机冲击下的可靠性问题。假设冲击以泊松过程到达。当冲击到达时,它会独立地对系统中工作的部件产生影响,而不会对冷贮备部件产生影响。每次冲击的量都服从某一确定的分布,受冲击的部件以一定的概率发生故障,其故障概率是冲击量的函数,当工作的部件发生故障时,下一个冷贮备部件立即开始工作,当所有部件故障时,系统故障,故障部件按故障顺序进行修理,修理时间服从指数分布,故障部件能被修理如新。本文显式给出了系统首次故障前平均时间、稳态可用度、稳态故障频度等可靠性指标。     

机修工人这样分工为好

某车间维修班有 6名机修工人 ,该车间有 1 2 0台同型机器 ,经长期使用观察发现 ,每台机器发生故障的概率为 0 .0 1。发生故障时 ,一名机修工人只能同时修一台。那么 ,应如何进行机保修分工 ,才能既保证不误生产 ,又能最大限度地发挥工人的潜能 ?让我们先来算一算。如果分工每人负责维修 2 0台机器 ,那么 ,当机器发生故障时 ,不能得到及时维修的概率是多少 ?由已知条件 ,同一时间发生故障机器台数 ξ是一随机变量 ,它服从二项分布 ,参数 n=2 0 ,P=0 .0 1 ,用泊松分布近似计算 ,λ=np=0 .2。当同时发生故障机器台数在 2台以上时就不能及时维…     

随机区间[0,T]上混合泊松过程的相关性质

本文定义出一类新的计数模型随机时间区间[0,T]上的混合泊松过程{Nt,0≤t≤T}并验证了其不再具有平衡性和独立增量性,从而与常见的泊松过程不同.文中给出了n个质点发生时刻S1,…,Sn的条件联合分布和n个点间时间间隔T1,…,Tn的联合分布.在一定适当假设下,文中给出了一个其在排队论中应用较多的封闭性定理.     

几何分布中两类问题的说明

在贝努里 (Bernoulli)试验中 ,事件A发生的概率为 p ,若以 ξ记A首次出现时所需的试验次数 ,则ξ是随机变量 ,它的所有可能取值为 1,2 ,3,… ,n ,… ,且概率函数为g(k ,p) =P(ξ=k) =(1- p) k - 1p ,k =1,2 ,3,…我们把由该式所决定的概率分布即称为几何分布 .其分布列为ξ 12     

随机图中[k,k+1]-因子的存在性

设G=G(n,p)是一个随机图,其顶点数为n,任两个顶点之间有边相关联的概率为p=p(n),k是一个正整数满足knp-2(nplogn)~(1/2).图G的—个支撑子图F称作是图G的—个[k,k+1卜因子,如果对任一个x∈V(G),都有k≤dF(x)≤k+1.我们证明任意满足p≥n~(-2/3)的随机图G(n,p)几乎一定包含[k,k+1]-因子.     

一类新的二次p元Bent函数的构造

设m为正整数,n=2m,p为一奇素数,令d=pm+1/2,e|m,其中a∈F*pn,γ是Fpn中的一非平方元.本文研究了有限域Fpn上的函数F(x)=Tr1n(axpm+e+1-γdxpm+1),利用有限域上的二次型理论,证明了在m/e为奇数的条件下或m/e为偶数但a(pn-1)/(pe+1)≠1的条件下,F(x)为p元弱正则Bent函数.     

两类广义Euler函数的计算公式（英文）

本文研究了广义Euler函数的计算公式.利用初等的方法和技巧,给出了两类特殊广义Euler函数的准确计算公式,即φ_(pq)(n)以及φ_e(n)(e=p, p~2),其中n的任意素因数m≡1或者-1(mod e)且gcd(m, e)=1, p, q是不同的素数.这些结果是文献[5]相应结果的直接推广.     

网络故障概率多项式系数及其特性

让二元组(G,ρ)表示一个网络,其中G为反映网络拓扑结构的图,ρ为该网络各边出故障的概率.当网络的节点故障概率可以忽略不计时,网络的故障概率,即该网络因为边的故障而使得某两点不能通讯的概率P(G,ρ),可表为P(G,ρ)=sum from i=0 to 6 m_iρ~i(1-ρ)~(e-i),其中e为图G的边的条数,m_i为图G中具有i条边的截集(或断集)的个数,称为故障概率多项式系数。本文将讨论m_i的作用及其特性。     

多元广义泊松分布的参数估计与诊断

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.     

高校应用数学学报第19卷（2004年）B辑（英文版）第1期目次和提要

与 RSA不动点有关的一个渐近表示于秀源 (杭州师范学院数学系 )设 RSA ( n,e) ( RSA( p,q,e) )是一个 RSA加密体制 ,其中 n=p,q,p和 q是两个不相同的素数 .以 T=T( n,e,α)表示RSA( n,e)的不动点的个数 ,以 A和 B分别表示在区间 ( 1,x)和 ( 1,y)中的素数的集合 .给出了均值 M( A,B,e,α) =1( #A) ( #B) ∑p∈ A,q∈ B ,( p,q) -1log T( pq,e,α)的渐近表示 .一类特殊的对称的块循环矩阵的特征值王力工等 (西北工业大学数学与信息科学系 )得到了一类特殊的对称的块循环矩阵的特征多项式 ,并给出了其特征值的精确表达式 .无 6 - ,7…     

变换数据对线性模型拟合值的影响

一、引言考虑线性回归模型其中Y是n维观测向量,X是n×p阶段设计矩阵,且其秩为R(X)=p,β为p维未知参数向量,e为n维随机误差向量、对于模型(1.1),β的最小二乘估计(The Least Squares Estimate,以下简记为LS估计)     

具有部分缺失数据的多个泊松总体的检验

本文给出了在两个泊松总体都以相同概率缺失时,检验两个总体的分布是否一致的似然比统计量,并给出了参数的估计值及其渐近正态性;进一步将这种方法推广到多个泊松总体的检验问题。     

负二项分布的优良特性及其在风险管理中的应用

孟生旺．负二项分布的优良特性及其在风险管理中的应用．数理统计与管理，１９９８，１７（２），９～１２．负二项分布之所以在风险管理中被广泛应用是由其优良特性所决定的。本文主要讨论了其中三个方面的问题：第一，负二项分布在描述风险集体中任意风险的索赔次数时表现为伽玛分布对泊松分布按参数变化的加权平均；第二，负二项分布在描述某些风险的累积索赔额时具有复合泊松分布的形式；第三，负二项分布是当风险的索赔频率强度之间存在正向传染时索赔次数的分布     

基于向前方程的平稳分布参数估计

该文研究利用随机微分方程的平稳分布满足的微分方程给出平均场随机微分方程的参数估计方法dX(t)=b(μ~N,θ)dt+σ(X(t))dB(t),其θ是待估计的参数.μ~N是N个个体的经验分布.b(μ,θ)关于μ在μ=p处附近(τ-拓扑)连续.其中p是该过程的唯一平稳分布.特别地,该文研究以下模型的参数估计问题dX(t)=(aθ(X(t))+b〈F,μ(t)〉)dt+σ(X(t))dB(t),其中a,b是有待估计的模型的参数.该文研究存在平稳分布时的参数估计问题.而数据则是若干(少量)时刻上数据点的经验分布,这些经验分布由很多个个体的数据构成.     

关于泊松定理条件“np_n=λ”的论证

<正> 在概率论中,离散型随机变量ξ的分布有下面定理。泊松(Foisson)定理设随机变量ξ服从二项分布(即ξ～B(n,p_n)),分布律