基于极值分布下混合联合位置与散度模型的参数估计

极值分布在金融工程、气象工程和其他领域中都有重要用途,本文提出基于极值分布下的混合联合位置与散度模型,通过EM算法给出该模型参数的极大似然估计.最后,通过随机模拟和实例研究说明该模型和方法是有用和有效的.     

一阶自相关结构下椭球线性混合效应模型的约束推断（英文）

本文在椭球分布族下研究一阶自相关线性混合效应模型的约束极大似然估计问题.分别考虑位置参数在等式和不等式线性约束这两种情况下的极大似然估计值.同时对约束条件下的兴趣参数给出三种渐近等价的检验方法.蒙特卡洛模拟说明本文方法的有效性和稳健性.本文结合模型对Framingham心脏研究中的胆固醇水平进行了分析.     

小样本定数截尾场合下威布尔和对数正态分布的拟合检验

本文给出了小样本定数截尾场合下两参数威布尔分布和对数正态分布的拟合检验方法,该方法还适用于一般的位置-刻度参数族分布,论文还通过实际算例说明方法的可行性。     

关于上三角矩阵代数之间经典伴随交换单射

令F是一个域,且|F|n+1,m,n为整数且m,n≥3.Tn(T_m)(F)是F上所有n×n(m×m)上三角矩阵的集合.本文中,刻画了从T_n(F)到T_m(F)的保经典伴随交换的单映射,给出了映射的表达式,对相应的方阵的工作是一个新的补充,所用方法是将其化归为相应的线性保持问题.     

线性模型中广义最小二乘参数估计误差分布的稳健性研究

研究了线性模型中广义最小二乘参数估计的误差分布稳健性问题.首先讨论了在线性统计模型里,设计矩阵为列降秩矩阵时,模型中给出了误差最大分布类,当误差向量的分布在此范围内变动时,LS估计和GLS估计在均方误差矩阵准则下是最优估计.然后进一步探讨广义最小二乘估计GLSE关于误差分布的稳健性,求出误差项所对应的最大分布族,进而证明了在该区间波动情况下,误差向量对应的始终为一致最优解.     

整体柱在线净化-液相色谱-高分辨质谱法快速测定牛奶中15种糖皮质激素

将自制的在线固相萃取柱与液相色谱串联四极杆静电轨道离子阱质谱技术相结合,建立了快速测定牛奶中15种糖皮质激素类药物的新方法.样品采用乙腈均质提取2 min,经自制在线固相萃取小柱富集净化,在Waters CORTECS T3(150 mm ×2.1 mm,5μm)分析柱上实现良好分离,外标法定量.15种目标物质量浓度在0.10～100 ng/mL范围内线性关系良好,相关系数均大于0.99;在0.20,0.40,2.0μg/kg3个添加水平下,15种糖皮质激素的回收率在87.1％ ～ 116.0％之间,相对标准偏差(RSD)在3.2％～8.7％(n=6)之间;方法的检出限(LOD,S/N≥3)和定量限(LOQ,S/N≥1O)分别为0.10和0.20μg/kg.该法适用于大批量牛奶中糖皮质激素类药物的快速定性筛查和定量分析.     

同位素稀释-高分辨气相色谱/高分辨质谱测定大气中有机氯农药

建立了测定大气中25种有机氯农药(OCPs)的同位素稀释-高分辨气相色谱/高分辨质谱法(ID-HRGC/HRMS)。样品用正己烷/二氯甲烷(1∶1, v/v)进行加速溶剂萃取(ASE)。通过柱洗脱实验、单柱和组合柱净化实验,最终确定样品的净化方案为弗罗里硅土固相萃取柱和石墨化炭黑固相萃取柱组合净化。样品萃取液净化后进行HRGC/HRMS分析。采用平均相对响应因子(RRF)法对样品中目标物进行定量,6点校准溶液RRF的相对标准偏差(RSD)均≤20%。线性范围为0.4~800 μg/L,相关系数R²均>0.992。对空白样品依次进行100 pg、400 pg和15 ng水平下的加标试验,各添加水平下OCPs测定值的RSD为0.64%~16%,加标回收率为67.2%~135%。穿透试验表明,滤膜+聚氨酯泡沫/聚氨酯泡沫作为吸附介质的大体积主动大气采样器(AAS)在采集环境空气时,五氯苯极易发生穿透,有效采样模式待进一步研究。在上述采样模式下,六氯苯的有效采样体积较小,标准状态(101.325 kPa, 273 K)采样体积应≤30 m³,其他OCPs应≤1200 m³。以上述体积计算,25种目标化合物的检出限为0.002~0.7 pg/m³。对北京环境空气样品分析测定,结果显示除反式-环氧七氯、异狄氏剂、顺式-九氯和4,4'-滴滴滴在部分样品中未检出外,其他OCPs均为100%检出;六氯苯浓度在514~563 pg/m³之间,其他OCPs的浓度在0.01~18.9 pg/m³之间;替代标回收率为33.9%~155%。由于现有相关监测标准的仪器灵敏度较低、方法检出限较高,已无法满足目前空气中痕量OCPs的测定需求,因此亟待修订新的高灵敏度监测方法标准。该方法适用于目前大气中OCPs的超痕量水平分析,为新标准的制订奠定基础,也为国家履行相关国际公约提供有力技术指导。     

基于分层抽样的校准方法分别比率-乘积估计研究

比率估计在抽样估计阶段利用辅助信息,提高了估计量的估计精度,是抽样调查中一类较为常用的估计方法,但现有的一些比率估计方法均具有各自的最优条件,这在一定程度上影响了它们在实际调查中的应用。为了解决比率估计的最优限制问题,本文引入了校准估计方法,并基于分层抽样研究了总体均值的校准方法分别比率-乘积估计量。在大样本情况下,本文推导了新估计量的估计偏差和均方误差,说明新估计量具有渐近无偏性,并在估计量均方误差最小时,得到了总体参数的渐近最优估计量和渐近最优估计量的方差。在模拟研究中,根据比率估计量的最优条件是否满足,本文生成了两种不同的总体,对比分析了新估计量和现有比率估计量的估计效果,结果表明在两种不同的情况下,新估计量的估计效果均优于现有估计量的估计效果。最后,本文利用一个实际例子,验证了新估计量的有效性和实用性。