非接触性摩擦

 接触性摩擦是一个物体表面上的原子“突起”滑过另一个物体表面的原子“凹陷”产生的。康奈尔大学的赛佩·库恩(SeppeKuehn)和同事,利用0.25毫米长、几千个原子厚的单晶微悬臂梁,观测相距1纳米的两表面间的非接触性摩擦。使悬臂梁与一个表面垂直,并使其向下做如同钟摆一样的运动,在这样的运动状态下调整悬臂梁,悬臂梁将因感应到下方表面的摩擦而慢下来。令人吃惊的是,非接触性摩擦力依赖于样本的化学性质。通过研究不同聚合材料的化学依赖性,这几位研究者直接检测了因样本中分子运动导致弱电场波动而产生的摩擦。     

随机截断下NA样本半参数回归模型中的相合估计

本文研究固定设计下的半参数回归模型在相应变量Yi因受到某种随机干扰而被右截断且截断分布已知时,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性.     

强混合样本下回归加权估计的一致渐近正态性

在强混合样本下,讨论固定设计回归模型的加权函数估计的一致渐近正态性,给出一致渐近正态性的收敛速度,这个速度接近n-1／6．     

标准差的计量调整型抽样检查表

本文参照 ISO3951-81”s”法主表的设计原则,设计出了一套(包括样本大小字码表,正常,加严,放宽抽样表)适合于用标准差作为过程质量指标的计量调整型抽样检查表.还讨论了所设计出的方案组的复合接收率.     

指数分布样本中异常数据检验的有效性

本文讨论指数样本中异常数据检验的有效性,证明了Fisher型统计量在异常值检验中的某种优良性。用随机模拟方法比较了Fisher统计量,Epstoin统计量和Dixon统计量在指数样本异常值检验中的功效。     

运用反例基于识别的手写数字串分割

采用基于识别的分割方法进行手写数字串分割.在识别的过程中,运用反例样本估计分类器参数,实验数据表明,这种运用反例样本训练的分类器与没有经过反例样本训练的分类器相比,将提高拒识率到19%左右,从而保证了较高的识别率,验证了只有经过反例训练的分类器的输出结果才是可信赖的.     

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。     

ρ混合、φ混合、ψ混合线性模型M估计的强相合性

研究了 ρ混合、φ混合、ψ混合样本线性模型中回归参数M估计的强相合性 ,在条件不变的情况下 ,获得与独立情形一样的M估计是强相合的充分条件 ,推广了文 [1 ]定理 2 .     

概率与统计的知识理解之方差

方差是描述数据集中趋势的重要指标,是进行统计决策的关键要素.通过对方差知识的深入梳理,分析样本方差分母为n和n-1的两种不同适用情形,并对在用样本估计总体统计思想下样本方差分母的校正从两个维度进行阐述与证明,有助于加强人们对方差知识的理解,做出正确的统计决策.