大族长度为pq的伪随机k元序列

Mauduit与Sárkzy在一系列论文中研究了κ元序列的伪随机性.本文通过对模pq剩余类环Z_(pq)进行分割,进而结合离散对数的方法,构造了一大族长度为pq的伪随机κ元序列,并证明其具有很好的伪随机性.     

混合正态分布下基于斜线截断的稳健似然比累积和控制图北大核心CSCD

累积和控制图主要用于对正态分布过程中均值的中小漂移的检测,但是对厚尾分布过程监测并不稳定.MacEachern等(2007)提出了用于监测厚尾分布过程的稳健似然比累积和(RLCUSUM)控制图.文章主要研究RLCUSUM控制图的性质,包括可控平均运行长度关于控制限的性质和过程失控时不同真实均值对平均运行长度的影响等,并提出了对于对数似然比函数进行斜线截断的方式,同时分析总结了不同污染程度的混合正态分布下各种截断方式得到的RLCUSUM控制图的适用情况.     

低能质子束在氢等离子体中的能损研究

实验测量了100 keV的质子束穿过部分电离氢等离子体靶后的能量损失. 等离子体靶由气体放电方式产生, 其自由电子密度在10¹⁶ cm^-3量级, 电子温度约1–2 eV, 维持时间在微秒量级. 研究结果表明: 质子束在等离子体靶中的能量损失与自由电子密度密切相关且明显大于在同密度条件下中性气体靶中的能量损失; 在自由电子密度达到峰值处, 通过实验结果计算得到此时的自由电子库仑对数约为10.8, 与理论计算结果符合较好, 该值比Bethe公式给出的中性气体靶中束缚电子库仑对数高4.3倍,相应的能损增强因子为2.9.     

梯度下降法在沉积物粒度分布拟合中的应用

结合实测数据,以三个对数正态分布函数的和函数为拟合函数,以梯度下降法为主要方法,对沉积物粒度分布进行了数据拟合,通过数值实验我们发现:利用梯度下降法可以有效地优化分布函数的各参数,实现拟合残差的稳步持续减小,具有良好的可操作性,拟合效果是令人满意的,它为我们进行数据拟合提供了一条新的思路,同时此方法也可以推广到解决其他极值问题.     

基于对数正态分布下联合均值与散度广义线性模型的极大似然估计

基于对数正态分布研究提出了联合均值与散度广义线性模型,给出了此模型参数的极大似然估计,模拟和实例显示该模型和方法是有用和有效的.     

Kumaraswamy Binomial分布

在Binomial模型中考虑over-dispersion时,每一个独立事件成功的概率通常被视为一个连续随机变量.在本文中,我们提出了成功概率服从Kumaraswamy分布的混合Binomial模型.讨论了这个模型的随机序和相依性;并用数据来拟合这些模型,数值计算结果表明在拟合某些数据时KB模型比BB模型拟合效果更好.     

基于时间响应函数的结构阻尼识别方法比较

研究了3种基于时间响应函数的结构阻尼识别方法, 包括对数衰减法、希尔 伯特方法和小波方法. 给出了3种方法的实现算法, 分析了对密集模态的识别能力. 构造仿真算例, 采用3种方法识别了5{\%}, 10{\%}和30{\%}噪声条件下的模态阻尼. 结果表明, 小波方法比对数衰减法和希尔伯特方法具有更好的噪声鲁棒性. 采用小波方法分析了润扬大桥结构健康监测系统获得的实测数据, 识别出了润扬大桥悬索桥前6阶模态参数, 第2阶和第3阶模态频率相差仅为0.015\,Hz. 研究表明, 小波方法具备噪声条件下密集模态的识别能力, 是工程中阻尼识别的优选方法.     

对数收益率的偏斜Logistic分布与VaR估计

本文通过直方图和Q-Q图的直观方法展示了上证指数和深证指数的对数收益率具有尖峰厚尾和偏斜的分布特征,利用Shapiro-Wilk正态性检验和Kolmogorov-Smirnov检验等方法检验了对数收益率的分布与正态分布有显著性差异,并以较大的概率水平接受了对数收益率服从偏斜Logistic分布,同时给出了基于偏斜Logistic分布的VaR风险量的估计,结果显示上证指数的风险小于深证指数的风险。     

家庭财富是否有助于实现可持续共享?

为实现可持续共享,提高人们获取收入的能力则显得尤为重要,这种提高跨时间跨代际。而家庭财富转移的直接和间接效应是提高这种能力最直接的举措之一。针对家庭财富转移的直接和间接效应,通过构建对数线性模型及其扩展模型和累积Logit模型展开实证分析,结果表明:我国代际收入流动的主要模式为子代收入等级对父代收入等级的继承,以及"向上"或"向下"对称的异质性流动;家庭财富为不同收入水平间的相对距离和可渗透性带来一定的帮助;家庭财富过高,不利于实现全面的可持续共享;在可接受的范围内提升家庭财富存量,有助于加大收入底层向上层流动的机会;家庭财富的增加,有助于收入底层人群子代可持续共享水平大幅提升。     

基于非参数贝叶斯方法的随机波动建模与应用

本文利用非参数贝叶斯方法进行随机波动建模。通常的参数随机波动模型适用于证券市场中的综合指数数据,而对个股数据和小范围指数数据的拟合效果较差,主要原因是其收益率数据的变化规律更为复杂、具有更厚的尾部行为,而非参数贝叶斯方法的随机波动模型无需进行分布假设,具有很强的灵活性。本文利用SV-DPM模型对IBM的股票价格数据和上证50指数数据进行建模,研究发现非参数随机波动模型能拟合参数随机波动模型难以扑捉到的数据特征,实证表明有充分的依据支持非参数贝叶斯随机波动模型。论文的研究有助于捕捉金融资产的时变波动性质,能更好的揭示金融市场的运行规律,为期权定价和金融风险管理提供依据,对于防范与控制金融风险有着重要意义。