参数法和非参数法估计组合样中被测组分含量的置信区间

本文以散装生铁块的随机样本分析结果为基础,应用Ｍｏｎｔｅ Ｃａｒｌｏ模拟法考察了组合样本中Ｓｉ、Ｍｎ,Ｃ,Ｓ,Ｐ含量（或份样平均值）的分布情况,研究了组分含量的置信区间,对参数法和非参数法的结果进行了比较。结果表明,对近似符合正态分布的原始总体或当组合样中的份样数目较多时,两种方法所估计的置信区间相近。但对偏离正态分布（或ｔ－分布）的总体且组合样中的份样数目较少时,非参数法较参数法的结果更符合实际     

指数分布族中矩估计序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数函数g(θ) 的一个序贯置信区间估计的程序．并讨论了在一定条件下,当d→0,它的渐近相合性、渐近有效性及有界的最优费用差(EN(d)-n(d))等渐近性质．     

Conditionally Optimal Weights of Evidence

A weight of evidence is a calibrated statistic whose values in [0,1] indicate the degree of agreement between the data and either of two hypothesis, one being treated as the null (H_0) and the other as the alternative (H_1). A value of zero means perfect agreement with the null, whereas a value of one means perfect agreement with the alternative. The optimality we consider is minimal mean squared error (MSE) under the alternative while keeping the MSE under the null below a fixed bound. This paper studies such statistics from a conditional point of view, in particular for location and scale models.     

一类重尾风险因子的模拟及其投资高风险值和置信区间的估计

由于金融市场中的日周期或短周期对数回报率的样本数据多数呈现胖尾分布，于是现有的正态或对数正态分布模型都在不同程度上失效，为了准确模拟这种胖尾分布和提高投资风险估计及金融管理，本文引进了一种可根据实际金融市场数据作出调正的蒙特卡洛模拟方法．这个方法可以有效地复制金融产品价格的日周期对数回报率数据的胖尾分布．结合非参数估计方法，利用该模拟方法还得到投资高风险值以及高风险置信区间的准确估计。     

关于时间序列分析的注记

本文讨论了时间序列分析中几个值得注意的问题 ;1自相关函数的意义 ,2趋势外推法预测中置信区间校正系数的计算 .     

F（x—μ／σ）型分布参数的区间估计

本文对形状、尺度参数分布,给出参数置信区间的一个方法。该方法适用于全样本或定数截尾样本。     

置信区间的随机加权估计

用随机加权法建立了分位点ｑ的置信区间，又用后向临界点导出了更实用的置信区间。导出的置信区间是非参数的且和原置信区间长度相同。     

三参数Weibull分布定数截尾下形状参数的区间估计

本给出了在定数截尾场合下利用三个次序统计量来构造三参数Weibull分布形状参数精确置信区间的方法，另外本还给出了三参数Weibull分布三个参数的联合置信域。章的最后，给出了Monte-Carlo模拟例子并运用本的方法求解了两个实例。     

从一个实际问题谈概率统计教学

1　实际问题现实生活中各种比赛层出不穷 ,我们不但要给参赛选手的表现作定性评价 ,有时还必须用分数给予量化 ,以便甄别和选拔 .大凡能够用仪器客观测量的物理量都用仪器来测量 ,如时间、距离、重量等 .然而 ,更多的是不能简单地用仪器测量的主观变量 ,如歌手的演唱艺术效果、某人的形象等 .这时 ,做出科学的评价就是十分棘手的问题 .如果每一位观众都对选手打分 ,把每一位观众的评分都搜集起来 ,求其均值 ,以此代表选手的成绩 .但这在实际操作中耗费大量人力、物力 ,都几乎是无法实现的 .通常是组织评委若干人 ,每位评委打分后 ,“去掉一…     

串联系统可靠性虚拟系统法置信下限的小样本性质

本文讨论了具有r个成败型元件串联系统可靠性的置信下限问题。研究了虚拟系统法置信下限的小样本性质,证明了,在通常情况下虚拟系统法置信下限要大于常见的L-M法置信下限.更一般地,本文证明了在成败型试验中,当成功数与试验数之比保持不变时,试验次数的增加将直接缩小成功率置信区间的长度。