Symbolic computing the exact distributions of L-statistics from a uniform distribution

The exact probability density function of linear combinations of k=k(n) order statistics selected from the whole order statistics (L-statistic) based on a random sample of size n from the uniform distribution on [0, 1] was derived by Matsunawa (1985, Ann. Inst. Statist. Math., 37, 1–16). As the main expression for the density function given by Matsunawa is not complete for the general situation, we first provide the corrections for this formula. Second, we propose a simple scheme involving symbolic computing for evaluating the corrected version of the density function. The cumulative distribution function and the r-th mean of his L-statistic are also derived.     

Goldbach猜想在N3[12,22,32,……]中的推广

文[1]已将Goldbach猜想推广到N2[1^2，2^2，3^2，……]中去，本文除了仿[1]将此猜想推广到N3[1^2，2^2，3^2，……]，此外，还引进与Goldbach猜想对偶的另一猜想．借以研究N3[1^2，2^2，3^2，……]中之偶数表示为不同奇数的线性组合问题，得到可以补救[1]中所用方法之缺陷的新的结果．并由此提出另外的有意义的猜想．     

轴对称-折叠组合腔CO_2激光器原理性实验研究(英文)

报道了轴对称-折叠组合腔CO2激光器原理性实验研究,激光器能在CW模式下成功运行。研究得到了激光器最佳的气体比率和气体压强。通过研究CO2激光器的不同方面,如激励门电压和输出功率等,发现它们随着放电电流的变化而变化。通过实验得到了激光光束的光斑和聚焦的实验光斑,并模拟了光强分布。激光器已经成功的组建、运行和调试,获得的最大输出功率为58 W。     

径向阵列非傍轴椭圆高斯光束的相干和非相干合成

 从瑞利-索末菲衍射积分公式出发,推导出径向阵列非傍轴离轴椭圆高斯光束相干合成和非相干合成在自由空间中的解析传输公式,给出其远场分布和傍轴表示式。研究表明:合成光束的光强分布与f参数、径向阵列半径、光束数、传输距离和合成方式有关;N束光相干合成和非相干合成在远场的光强最大值分别为单光束在远场最大值的N₂和N倍。     

光学参数对激光阵列相干

利用傅里叶光学方法,获得了相干合束远场光强的解析表达式,讨论了相位、振幅和发光单元数目等光学参数对远场光束质量的影响。研究结果表明:随着参与合束的发光单元数目的增加,尖峰变锐;同相模的光能集中在更小的立体角内,使得相干合束的亮度增加;异相模的光束能量较为分散,其峰值光强有所降低;随着振幅比β的减少,相干合束远场光强的峰值相对变化率增加,远场光强分布出现了本底现象,远场干涉条纹对比度降低。     

兼顾功能与协调的企业专利质量评价研究——中国上市芯片企业的实证分析

现有研究缺乏一个较为合理完善的针对企业层面的专利质量评价方法,为科学、合理地评价企业专利质量,从专利技术质量、法律质量和经济质量三个维度建立了企业专利质量评价体系。基于主客观组合赋权法,进一步利用客观偏好系数融合两种聚合算子构建了兼顾功能与协调的企业专利质量组合赋权评价模型。并对2010年至2015年中国上市芯片企业专利质量进行实证研究,结果表明:该时期内芯片企业专利质量整体发展情况较为良好,但部分企业评价值存在较大起伏;一些芯片企业存在专利质量指标间“不协调”的问题,可能造成评价结果“虚高”,这在规模较小的企业中更为普遍;发明专利在芯片企业专利质量中具有重要地位。本文的研究可对企业提升专利质量以及政府制定专利政策提供实践借鉴。     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.