关于Shannon熵的统计计算及其在分布检验中的应用

本文利用顺序统计量给出了一个关于经验分布的定义,由这个定义可以给出关于连续型分布的Shannon熵的估计量,我们证明了它们的一系列收敛性,利用Shannon熵的统计量及最大熵原理,我们给出了一个关于正态分布,指数分布,均匀分布的新检验法,这个检验法称为《分布的熵-矩检验法》。     

渐渐走红的正态分布题型解析

在实际生产、生活中,我们遇到的总体多数属连续型的,而在连续型总体中,应用最为广泛的是呈正态分布的总体,简称正态总体,它的分布情况可以表示成一条钟形曲线,而且随着总体的均值与标准差的不同,曲线的形状会有各种不同的变化．随着新课程改革的推广和深入,正态分布问题在各省高考题和模拟题中逐渐走红．本文精选几道例题,对正态分布常考题型进行归类和总结．     

“正态分布”的教学设计、实践与反思

1内容与内容解析正态分布(normal distribution)是一个在数学、物理、工程等领域都非常重要的概率分布.一般地,如果一个量是由大量相互独立的偶然因素作用的结果,那么就可以认为它具有正态分布.正态分布是高中学习内容中唯一一种连续型分布,属于概率论的范畴,但同时又是统计学的基石.     

均值混合正态分布统计量的性质

这篇文章基于基因遗传背景,提出了一类均值混合正态分布,它不同于通常所讨论的方差混合正态分布. 作者研究了这类均值混合正态分布统计量的性质,给出了平移变换群下不变量的稳健性,即它与正态分布下该统计量有相同的性质, 并且讨论了其它统计量的分布.     

带有随机趋势项的二元选择模型显著性检验研究（英文）

本文主要对非平稳二元选择模型的显著性检验进行研究.研究结果显示,当真实参数为零时,t统计量依分布收敛于标准正态分布.同时联合显著性检验统计量Wald、LM和LR渐近相等且依分布收敛于卡方分布.     

例谈正态分布的应用

正态分布是自然界中最常见的一种分布，例如测量的误差，人的生理特征的某些数据，学生的考试成绩等等．它广泛存在于自然现象及科学技术的许多领域中．在实际应用中，当给定一个标准的正态分布N（0，1）以后，设P（ξ〈x）=P，结合标准的正态分布表，可求两个方面的问题：     

椭球等高分布的压缩估计与岭回归估计

过去,多元统计分析理论绝大多数是基于样本来自正态母体的假设下进行的,这不仅仅是由于许多模型的确满足正态性假设和样本较大时母体的分布渐近于正态分布,更重要的是多元标准正态分布具有两个优良性:一个是它的密度函数是负指数形式;另一个是它具有旋转不变性.人们对第一个性质进行推广,产生了我们熟知的指数分布族;对第二个性质进行推广,产生了椭球等高分布族.近年来,椭球等高分布族理论及其统计应用受到了重视,获得许多与正态母体类似的结果.     

连续型经验过程及其Bootstrap逼近

本文利用样条函数将经验分布函数光滑化,从而得到了连续型经验分布函数,进而引进了连续型经验过程,本文讨论了连续型经验分布函数和连续型经验过程的渐进分布,并且证明了连续型经验过程的Bootstrap逼近成立。     

例谈正态分布的应用

正态分布是自然界中最常见的一种分布,例如测量的误差,人的生理特征的某些数据,学生的考试成绩等等.它广泛存在于自然现象及科学技术的许多领域中.在实际应用中,当给定一个标准的正态分布N(0,1)以后,设P(ξ相似文献   

过程参数未知时的连续检验问题

对连续检验问题,Page(Page,1954）提出的累积和控制图（CUSUM）已被证明在检测小的漂移时效果很好,然而,当受控过程的参数未知时,CUSUM的应用受到限制,Quensenberyy（1991）提出用变换的方法将观测值中的未知参数消去,在原假设“过程保持一致”成立的条件下,变换得到的Q统计量为独立同分布的标准正态变量,这里有二个问题：问题之一是,如果过程中有一漂移发生,变换得到的Q统计量的分布就很复杂,漂移对Q统计量的均值的影响是非时间齐次的,随着过程的推移,漂移对Q的均值的影响越来越小,因此,基于Q统计量的检验问题与一般的连续检验问题是不同的,好的检验方法应将这种不同反映出来,因此,基一种基于Q的新的累积和检验统计量,模拟结果显示,这种统计量的效果是不错的,问题之二是,当过程方差未知时,Q统计量的值的计算很难,它需要计算t分布的分布函数和正态分布函数的逆函数,这在实际使用中几乎是做不到的,本文提出一种近似方法,它不需计算复杂的分布函数,而是给出近拟服从标准正态分布的统计量为作为检验统计量,模拟研究的结果显示,这种近似的效果很好,它的各项指标与精确方法的相应指标非常接近。     

Noncentral quadratic forms of the skew elliptical variables

In this paper the quadratic forms in the skew elliptical variables are studied. A family of the noncentral generalized Dirichlet distributions is introduced and their distribution functions and probability density functions are obtained. The moment generating functions of the quadratic forms in the skew normal variables are obtained. Sufficient and necessary conditions for the quadratic forms in the skew normal variables to have the noncentral generalized Dirichlet distributions are obtained. This leads to the noncentral Cochran's Theorem for the skew normal distribution.     

Asymptotic Distribution of a Kind of Dirichlet Distribution

The Dirichlet distribution that we are concerned with in this paper is very special, in which all parameters are different from each other. We prove that the asymptotic distribution of this kind of Dirichlet distributions is a normal distribution by using the central limit theorem and Slutsky theorem.     

RiskMetrics模型评估与扩展

RiskMetrics是当今最为流行的风险度量模型,然而其基础假设-标准化收益服从正态分布,却备受置疑.放宽此假设,以更灵活的t分布,广义误差分布,混合正态分布,Johnson Su-正态,Pearson IV分布代替,建立了五种扩展的RiskMetrics模型.我们用沪深股市日收益数据进行实证比较分析,回测结果表明,扩展模型明显优于标准模型,而基于非对称分布假设的模型优于基于对称分布的模型.     

普阿松分布的极限分布

本文主要阐明概率论中三个重要分布之间的关系 ,重点证明了普阿松分布的极限分布是正态分布     

Characterization of the skew-normal distribution

Two characterization results for the skew-normal distribution based on quadratic statistics have been obtained. The results specialize to known characterizations of the standard normal distribution and generalize to the characterizations of members of a larger family of distributions. Results on the decomposition of the family of distributions of random variables whose square is distributed as χ ₁ ² are obtained. Research supported by a non-service fellowship at Bowling Green State University.     

GH分布族下资产收益率分布拟合优度比较——基于中国证券指数高频数据的实证研究

资产收益率分布假设对期权定价、对冲,风险度量和组合资产优化的结果有着重要影响.但由于资产收益率的"程式化性质",经典正态分布假设不能很好拟合实际收益率分布.广义双曲线分布,作为子分布及极限分布非常丰富的分布族,在资产收益率分布拟合中已取得良好效果.在讨论第三类修正贝塞尔函数和广义逆高斯分布性质基础上,借助于正态均值-方差混合理论,得到广义双曲线分布及其极限分布.在McNeil,Frey和Embrechts(2005)算法框架内,以及WenBo Hu(2005)算法改进基础上,对参数估计的算法做了实质性改进:用两个重要参数χ和ψ的线性关系,代替了一个包含第三类修正贝塞尔函数的方程,避免了对该方程数值求解.在实证部分,选择了3个主要指数,利用GH分布的两个子分布和两个极限分布对过滤后的指数收益率进行拟合,并对它们的拟合优度和收敛速度做了比较.     

Constant Local Dependence

The local dependence function is constant for the bivariate normal distribution. Here we identify all other distributions which also have constant local dependence. The key property is exponential family conditional distributions and a linear conditional mean. When given two marginal distributions only, this characterisation is not very helpful, and numerical solutions are necessary.     

Multivariate Dispersion Models

We introduce a class of multivariate dispersion models suitable as error distributions for generalized linear models with multivariate non-normal responses. The models preserve some of the main properties of the multivariate normal distribution, and include the elliptically contoured distributions and certain other known distributions as special cases. We give explicit methods for constructing multivariate proper dispersion models. This is exemplified by constructing multivariate gamma, Laplace, hyperbola, and von Mises distributions.     

Average projection type weighted Cramér-von Mises statistics for testing some distributions

This paper addresses the problem of testing goodness-of-fit for several important multivariate distributions: (Ⅰ) Uniform distribution on p-dimensional unit sphere; (Ⅱ) multivariate standard normal distribution; and (Ⅲ) multivariate normal distribution with unknown mean vector and covariance matrix. The average projection type weighted Cramér-yon Mises test statistic as well as estimated and weighted Cramér-von Mises statistics for testing distributions (Ⅰ), (Ⅱ) and (Ⅲ) are constructed via integrating projection direction on the unit sphere, and the asymptotic distributions and the expansions of those test statistics under the null hypothesis are also obtained. Furthermore, the approach of this paper can be applied to testing goodness-of-fit for elliptically contoured distributions.     

An alternative method for computing mean and covariance matrix of some multivariate distributions

Computing the mean and covariance matrix of some multivariate distributions, in particular, multivariate normal distribution and Wishart distribution are considered in this article. It involves a matrix transformation of the normal random vector into a random vector whose components are independent normal random variables, and then integrating univariate integrals for computing the mean and covariance matrix of a multivariate normal distribution. Moment generating function technique is used for computing the mean and covariances between the elements of a Wishart matrix. In this article, an alternative method that uses matrix differentiation and differentiation of the determinant of a matrix is presented. This method does not involve any integration.