一种区间数的因子分析技术及其在证券市场中的应用

传统的因子分析技术能够有效地对高维变量空间进行降维处理,但它对于样本空间却缺乏行之有效的降维效果.为了解决这一问题,一种针对大量样本数据、新的因子分析技术———区间数因子分析技术(intervaldatafactoranalysis,IFA)被提出并得到了迅速的发展。IFA方法对传统的数据概念做了本质性的扩张,运用'数据打包'的理念,对海量原始数据在不破坏其原有内在逻辑关系的前提下,可以进行变量和样本点维度的双重降维。本文详细阐述了区间数因子分析技术的原理,并以中国股票市场为案例研究背景,结果表明IFA分析技术对大规模多维数据系统做综合简化是十分有效的。     

几类数列通项的矩阵求法

本利用矩阵给出了几类数列的通项公式的求法，把数列通项公式的求法转化为矩阵幂的计算，思路简单、计算简便，并能判别其敛散性。     

关于图的直径和平均距离

图的直径和平均距离是度量网络有效性的两个重要参数．Ore通过图的顶点数和直径给出无向图的最大边数．Entringer，Jakson，Slater和Ng，Teh通过图的顶点数和边数分别给出无向图和有向图平均距离的下界．该文提供这两个结果的简单证明，给出有向图类似Ore的结果，并通过图的直径改进Entringer等人的结果到更一般的情形．结合本文和Ore的结果，可以得到一个无向图和有向图平均距离的下界，它比Plesnik得到的下界更好．     

两样本队列半数生存期检验:反射和检基统计量

依据反射或检基原理，本文提出用于截尾资料的两样本队列半数生存期（ＣＨＬ）检验．两样本合并ＣＨＬ经指数内插取自Ｋａｐｌａｎ－Ｍｅｉｅｒ或Ｂｅｒｋｓｏｎ－Ｇａｇｅ估计值．连续性校正，经以有效样本容量取代样本容量，扩展自Ｙａｔｅｓ校正．合并标准误来自同源性生存率方差估计值，后者经有效样本容量扩展自二项分布方差．无截尾时，这些统计量还原为经典中位数检验．与反射统计量相比，检基统计量具有更高的功效．附有工作实例描述其临床应用．     

乘数在91～109之间的乘法心算及其推导

接近百的两组大数和中间是“О”的两组三位数乘法，在用珠算计算上是比较麻烦的，若用心算，难度就更大了。但是，我们要能把握住这类数做乘法运算规律，并运用其规律进行深入推导，是能够得出更简捷的更适用的速算方法的，用它来指导心算，那就可以变难为易，变繁为简，变慢为快。     

R￣d中Hausdorff维数和packing维数的确定

本文目的在于建立确定Ｒ￣ｄ中Ｈａｕｓｄｏｒｆｆ维数ｄｉｍ和ｐａｃｋｉｎｇ维数Ｄｉｍ的两个命题（定理１和定理２），进而寻求Ｒ￣ｄ中Ｈａｕｓｄｏｒｆｆ维数ｄｉｍ与ｐａｃｋｉｎｇ维数Ｄｉｍ相等的条件；这使得我们能够引入分形测度的测度论定义。     

无原子布氏代数理论的计算复杂性

研究无原子布氏代数的计算复杂性 .得到了下面的新定理 :定理 1　无原子布氏代数理论Δ具有完全的量词消去法 ,也就是说每一个式子都Δ等价于一个开式子 .定理 2　无原子布氏代数的初等型Γ (x1,… ,xn)是由型内的不含量词的全体开式子所唯一决定 .定理 3　无原子布氏代数的一个长度为 n的语句的判断过程所消耗的 Turing时间和空间都是属于 2 2 cn指数级 .