对Bootstrap方法的自助抽样的改进

Bootstrap方法是一种常用的统计推断方法,它的无先验性,以及计算过程中只需要实际的观测数据,使得其可方便的应用于实际的数据处理之中。对连续情形而言,Bootstrap本身的计算特性限制了自助样本的生成范围,即只能从原样本再采样,从而使得自助分布产生偏离,无法渐近于真实情形。鉴于此不足,本文提出了改进的Bootstrap方法,它通过对自助样本生成范围的拓展,克服了这一不足,获得了更加精确的参数估计。     

强混合样本下随机设计情形线性模型的经验似然推断

本文研究强混合样本下随机设计情形线性模型的经验似然推断,将分块技术应用到经验似然方法中,证明了线性模型的参数β的对数经验似然比统计量的渐近分布为卡方分布,由此构造了强混合样本下β的经验似然置信区间.在有限样本情况下给出数值模拟结果.     

刻度指数族参数的经验Bayes检验函数收敛速度的改进

在加权线性损失下导出了刻度指数族中参数单调的Bayes检验函数,利用同分布负相协(NA)样本情形概率密度函数及其导数的核估计构造了经验Bayes(EB)检验函数,获得了EB检验函数的收敛速度.在适当的条件下,这一收敛速度可任意接近O(n~(-1)),改进了文献中已有的结果.对同分布正相协(PA)样本和独立同分布(iid)样本情形,亦可获得类似结论.最后给出了一个满足文中主要结果的例子.     

基于改进自助扩容算法的弹药贮存可靠度评估

针对弹药试验数据样本量少时无法直接采用经典统计学方法的问题,介绍了弹药贮存可靠度评估的传统方法和现有自助扩容方法,并针对其不足提出了改进自助扩容算法,增加了自助样本量信息、保证了抽样样本与原始样本特征的一致性、降低了异常值的影响,并对所提算法利用Matlab软件仿真验证.结果表明,所提算法能有效进行贮存可靠度评估,具有显著优越性.该结论可用于弹药小样本数据贮存可靠度评估,为弹药贮存管理提供理论支撑.     

基于条件分布的超高维特征筛选

特征筛选方法是处理超高维数据的一种快速有效的降维方法.针对超高维判别分类数据,提出一种改进的超高维特征筛选方法,方法不需要特定的模型假定;可以处理多分类响应变量情形;可适用于离散型或连续型协变量情形;对服从重尾分布的协变量,方法仍具有较好的稳健性.从理论上证明了所提出特征筛选方法满足确定筛选性和指标排序相合性,并通过数值模拟和实例分析在有限样本条件下验证了方法的有效性.     

相依结构样本次序统计量的随机比较及逐步删失寿命试验参数估计方法研究

对一组已知寿命分布的样本开展寿命试验,失效时刻构成一组次序统计量。本文研究带有相依结构的齐次和非齐次样本的次序统计量在通常随机序意义下的比较方法,将Ma (1997)针对独立样本的结果推广到相依样本的情形,并将推广后的结果应用到可靠性寿命试验中逐步删失次序统计量的随机比较中。最后,结合一个产品逐步删失寿命试验的案例,研究如何基于试验数据,对产品的寿命分布参数进行估计,进而研究了参数估计效果与哪些因素有关。     

LOgistic响应分布中刻度参数的中、小样本推断

在火炸药产品的敏感性推断中，对响应分布的标准差给出较精确的推断，是基础性工作之一．为此，本文基于Logistic响应分布，在二元响应数据下，应用鞍点近似方法构造了刻度参数的近似置信区间，并进行了模拟研究．最后，本文将该方法应用于QD-8电雷管．模拟结果和实例分析表明，在中、小样本情形，本文方法对刻度参数的推断结果较为精确，显著改进了现行的基于渐近正态性的方法．     

发汗冷却系统的控制及其特性*

本文给出热层三维发汗冷却控制系统的数学模型.在一般情形下,它是一个可变域上分布参数和集中参数混合的非线性控制系统.本文指出:在冷却剂渗流是一维不可压缩的(或一维定常的)条件下,热层的传热和烧蚀问题可以单独求解.针对热防护层的表面烧蚀问题,本文讨论了系统控制方案,阐明简化的条件,研究了一维发汗冷却系统点控制的特性,给出了冷却剂无相变和有相变两种情形的平衡状态解.     

Pólya分布在气候统计中的应用

Pólya分布在气候统计中常用来拟合雾、雷暴等.本文给出了Pólya分布总体在全样本场合下参数的矩估计和极大似然估计,并研究了估计的存在性,并通过大量的Monte Carlo模拟说明了估计的精度,认为在样本较大的情形下极大似然估计优于矩估计.最后通过具体的雾与雷暴等气候统计数据说明本文方法的可行性.     

在定数截尾样本下三参数威布尔分布的矩估计

本文讨论了在定数截尾样本下三参数威布尔分布的矩估计问题．在定数截尾情形下，将威布尔分布数据转化为均匀分布数据，利用平均剩余寿命构造样本矩，同时，第三阶矩方程用样本的第一个次序统计量来代替，得到了在定数截尾样本下三参数威布尔分布的矩估计方程，用随机模拟方法得出了矩估计的偏性和均方误差．并与近似MLE进行了比较，表明此矩估计方法有较好的性质．     

Uniform asymptotic joint normality of a set of increasing number of sample quantiles

Summary Type (B) _d asymptotic normality of the joint distribution of sample quantiles is investigated when the number of sample quantiles increases as the sample size increases. This paper aims at a refinement of the original results by Ikeda and Matsunawa [3].     

基于均匀先验分布武器射程评定的Bayes方法

应用Bayes统计方法进行武器射程的评定,可以有效减少试验的样本量,节省试验弹药,Bayes方法的关键是确定先验分布,均匀分布是比较容易确定的一种先验分布,该文给出了基于均匀先验分布武器射程评定的Bayes方法,对改进射程的评定方法,减少试验用弹量,具有重要作用.     

Embedding sample points uncertainty measures in learning algorithms

Learning algorithms consider a sample consisting of pairs (pattern, label) and output a decision rule, possibly: (i) associating each pattern with the corresponding label, and (ii) generalizing to new patterns drawn from the same distribution of the original sample. This work proposes a set of methodologies to be applied to existing learning strategies in order to deal with more complex kinds of data sets, carrying also a quantitative measure on the quality of each label.     

An Elementary Derivation of the Distribution of the Variance in Normal Samples

In normal samples, the sample variance and sample mean are independent random variables, and the sample variance has, when properly normalized, a X²‐distribution. This paper gives elementary proofs by induction for these two facts.     

截尾分布与截尾样本的统计分析

[1]中给出了样本容量n已知的(n,r）定时截尾不完全样本的分析方法。在[2]中我们讨论了n未知的（n,r）定时截尾不完全样本并较好地处理了晚截尾的接近完全样本的分析。本文中我们相应于截尾样本，引入截尾分布，通过用截尾样本拟合截尾分布而得到寿命T的整体分布。此方法无论对n已知还是n未知，对早截尾还是晚截尾的（n,r）定时截尾样本都适用。并且此方法还可推广到对其它形式的不完全样本的处理。     

A new resampling method for sampling designs without replacement: the doubled half bootstrap

A new and very fast method of bootstrap for sampling without replacement from a finite population is proposed. This method can be used to estimate the variance in sampling with unequal inclusion probabilities and does not require artificial populations or utilization of bootstrap weights. The bootstrap samples are directly selected from the original sample. The bootstrap procedure contains two steps: in the first step, units are selected once with Poisson sampling using the same inclusion probabilities as the original design. In the second step, amongst the non-selected units, half of the units are randomly selected twice. This procedure enables us to efficiently estimate the variance. A set of simulations show the advantages of this new resampling method.     

Two sample Bayesian prediction intervals for order statistics based on the inverse exponential-type distributions using right censored sample

In this paper, two sample Bayesian prediction intervals for order statistics (OS) are obtained. This prediction is based on a certain class of the inverse exponential-type distributions using a right censored sample. A general class of prior density functions is used and the predictive cumulative function is obtained in the two samples case. The class of the inverse exponential-type distributions includes several important distributions such the inverse Weibull distribution, the inverse Burr distribution, the loglogistic distribution, the inverse Pareto distribution and the inverse paralogistic distribution. Special cases of the inverse Weibull model such as the inverse exponential model and the inverse Rayleigh model are considered.     

污染分布的近邻估计

本文研究了污染分布中污染系数和未知主体分布密度的估计问题.利用近邻估计法得到了它们的估计量,并且证明了此估计量均满足一致弱相合性,同时对污染系数的估计进行了统计模拟,并与用核密度估计得出的结果作比较.结果显示估计的好坏与样本量的多少和参数的选取有关.     

EM algorithm and its application to testing hypotheses

The conventional method for testing hypotheses is to find an exact or asymptotic distributionof a test statistic But when the model is complex and the sample size is small,difficulty often arises. Thispaper aims to present a method for finding maximum probability with the help of EM algorithm. For any fixedsample size,this method can be used not only to obtain an accurate test but also to check the real level of