广义加权损失函数下准备金的分位信度估计

由于聚合数据是个体数据的加总,会失去一些有用信息.针对个体数据模型,分位回归模型可以直接求取未决赔款准备金的分位数,并且对数据中存在的异常值的敏感度不高.在程纪(2020)模型基础上,将分位回归模型与信度理论相结合,将多个流量三角形的增量赔款数据看成是相同日历年下的重复性多次观测,体现样本数据的分层结构,克服经典信度模型中只有一条回归线的弊端,在广义加权损失函数下得到准备金的信度估计,并给出参数估计.     

P-CS不确定性量化模型与其性能数据驱动更新方法

在实际工程中, 广泛存在大量的不确定性信息, 直接或间接影响着工程结构形式设计、结构性能评估与预测以及在役结构损伤识别等工作的开展与决策. 这些多源不确定性信息往往需要用多种不同的不确定性量化模型加以描述; 与此同时, 不确定性变量在使用过程中可能随时间变化且难以直接测量, 需要间接根据性能测试信息在使用工程中更新不确定性量化模型. 为兼顾上述两个问题, 本文基于等概率变换原则提出了一种P-CS (probability-convex set) 不确定性量化模型, 该模型将不确定性变量用概率随机变量与非概率凸集变量组合表征, 可统一表达概率模型、非概率模型以及非精确概率模型, 实现多源、多类型不确定性的统一量化. 本文进一步基于贝叶斯理论提出了一种针对该P-CS不确定性量化模型的性能数据驱动更新方法. 该更新方法根据性能测试数据信息更新P-CS不确定性量化模型参数取值的信度分布, 从而根据后验信度分布计算得出当前P-CS不确定性量化模型参数集合. 通过数值算例详述了P-CS不确定性量化模型的构建方法与其概率、非概率特性, 并验证了性能数据驱动更新P-CS模型方法的适用性.      

高考填空题压轴题的解题策略及思考

作为独立题型,填空题大多是计算型（尤其是推理计算型）和概念性质运用型的试题,解答时必须按规则进行切实的计算与合乎逻辑的推演和判断,但填空题要是考点多、解题长度较长、影响结论的因素较多等,那么即使做到了最后一步才出错,在得分上却和一窍不通的考生是没有任何差别的,尽管他们在水平上存在很大差异,这正是它的缺点,客观上影响了考试的信度与效度．然而,     

具有线性趋势的回归信度模型中的估计和检验

研究具有线性趋势回归信度模型的参数估计和检验. 对该模型的回归系数和随机效应的方差,利用正交变换法得到了它们的极大似然估计, 并得到了参数的无偏估计. 对随机效应和是否有线性趋势采用似然比检验, 得到了似然统计量较好的近似$P$值, 并对检验的功效进行了模拟研究.     

新型广义加权保费原理下风险保费的信度估计

本文研究了新型广义加权保费原理下风险保费的信度估计问题.利用了损失函数法,将新型广义加权保费原理定义为新型广义加权损失函数下风险的最优估计.在该损失函数下,把估计限定在经验估计的线性组合,根据均方误差最小原则得到风险保费的信度估计,并证明了信度估计的相合性,最后,在Esscher保费原理下对信度估计的相合性进行模拟验证,并在指数保费原理下与前人的结果进行了比较,结果发现已有的研究只是本文的一种特殊情况.     

标准参照测验中的统计推断问题

在一定条件下利用一次测验分数推出考生观测分数分布和真分数分布及它们的联合分布,从而给出掌握推断中分类信度的一致性指标Ｐ和Ｋａｐｐａ系数的估计,讨论一些相关的统计推断问题．     

平衡指数损失函数下的信度保费

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.在平衡指数损失函数下,研究了多合同的信度保费模型.利用正交投影方法,得到了未来保费的信度估计.最后对估计进行了数值模拟.     

多项选择题测验信度的一个估计方法及其应用

在多项选择题测验分数等于真实分数和猜测分数之和的假设模型下，本文得到了一个多项选择题测验信度的理论公式，并由此给出了测验信度的估计方法。最后，通过两个例子，说明了本文提出的方法在测验信度分析中的应用，并将这种方法与教育测量中常用的库德——理查逊方法（Ｋｕｄｅｒ－Ｒｉｃｈａｒｄｓｏｎ）进行了比较     

抽样调查中最佳测量次数的确定

现场抽样调查中，由于测量误差的存在，使得所测变量实测值的方差增大，通过增加每个体的测量次数可以控制测量误差，但这样每个体调查费用增大。本文对测量信度Ｒ，每个体测量次数ｍ与相应所需的样本含量ｎｍ、调查费用Ｔｎ的关系进行了探讨，并介绍了如何根据Ｒ，及每个体测量费用占其总费用构成比Ｃ，确定最佳测量次数ｍ值，以达到最佳控制调查费用的目的，这对我们在大型现场调查中进行经济效益分析具有重大的理论指导意义。