关于次序统计量数学期望的两个恒等式的简证及其应用

给出了最大最小次序统计量分布函数和密度函数的恒等式,从而在随机变量独立同分布情形下,给出了关于次序统计量数学期望的两个恒等式的简捷证法.最后将几个恒等式应用于威布尔分布的最大次序统计量的分布及其数字特征的计算.     

枢轴分布族中的Fiducial推断

研究枢轴分布族下的Fiducial推断, 提出了求参数的Fiducial分布的一般方法, 在这个方法中Fiducial模型起了重要作用. 方法包含了一些其他求Fiducial分布的方法, 特别地, Fisher提出的第1个Fiducial分布可由此方法导出. 对于单调似然比分布族这样的枢轴分布族, Fiducial分布具有一个Neyman-Pearson观点上的频率性质, 对于文中定义的一类正规参数函数, 它的Fiducial分布也具有上述频率性质. Fiducial推断的一些优点在Fiducial分布的4个应用中展示. 给出了许多例子, 其中的一些例子用现有的方法是得不到Fiducial分布的.     

逆Weibull分布随机变量的随机比较(英文)

研究了两个相互独立的逆Weibull分布随机变量间的随机序,似然比序,危险率序以及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系.也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系.     

矩阵Г分布的一致渐近正态性

相对于两个密度函数之间的Kullback-Leibler距离,本文获得了矩阵Γ分布一致渐近正态分布的条件,由于矩阵Γ分布包含了Wishart分布,因此我们也指出了 Wishart分布一致渐近正态分布的条件．     

GH分布族下资产收益率分布拟合优度比较——基于中国证券指数高频数据的实证研究

资产收益率分布假设对期权定价、对冲,风险度量和组合资产优化的结果有着重要影响.但由于资产收益率的"程式化性质",经典正态分布假设不能很好拟合实际收益率分布.广义双曲线分布,作为子分布及极限分布非常丰富的分布族,在资产收益率分布拟合中已取得良好效果.在讨论第三类修正贝塞尔函数和广义逆高斯分布性质基础上,借助于正态均值-方差混合理论,得到广义双曲线分布及其极限分布.在McNeil,Frey和Embrechts(2005)算法框架内,以及WenBo Hu(2005)算法改进基础上,对参数估计的算法做了实质性改进:用两个重要参数χ和ψ的线性关系,代替了一个包含第三类修正贝塞尔函数的方程,避免了对该方程数值求解.在实证部分,选择了3个主要指数,利用GH分布的两个子分布和两个极限分布对过滤后的指数收益率进行拟合,并对它们的拟合优度和收敛速度做了比较.     

逆Weibull分布随机变量的随机比较

研究了两个相互独立的逆Weibull分布随机变量间的随机序,似然比序,危险率序以及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系．也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系．     

若干矩阵Γ分布的相关分布

本文研究了与矩阵Γ分布相关的若干分布的密度函数,利用矩阵Γ分布的特征函数和它的Bartlett分解等方法,获得了与矩阵Γ分布相关的几个分布的密度函数解析表达式,它们包括Γ分布随机矩阵的子矩阵、行列式、迹和特征根的分布密度,进一步还得到了相关系数矩阵的分布密度函数形式.     

一类索赔次数的回归模型及其在风险分级中的应用

本文引出了一类索赔次数的分布并研究了基于此分布的回归模型，这类分布包含两个参数，它可以视为Poisson分布的一种推广，而且相对于Poisson分布来说具有散度偏大(over-dispersion)的性质；基于这类模型，本文研究了两个经典实例展示其在风险分级中的应用。     

Ⅰ型极值分布随机变量的随机比较

研究了两个相互独立的Ⅰ型极大值分布随机变量间的随机序,似然比序,危险率序及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系．文中也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系．     

一个通用的学生考试成绩分布的数学模型研究

学生考试成绩分布是教学研究的一个重要课题,可以从多个角度开展研究,如讨论成绩分布的基本规律、分析成绩分布的基本决定因素、研究如何获得准确合理的成绩分布、探讨根据成绩分布如何改进教学活动等.目前人们基本上是以定性研究为主,很少见到定量的学生成绩分布的研究.为了促进该领域研究的进一步开展,提出了一个定量的研究学生成绩分布的数学模型,该模型中唯一的假设是学生考试成绩取决于学习时间和学习效率.利用学生人数随着学习时间和学习效率分布的两个基本规律,获得了学生人数随考试成绩分布的基本规律.实践中两个基本规律可以通过问卷、测试、谈话或者借助于一定的理论分析等多种方式获得.基于分子运动论和高斯模型,获得了一种学生人数随着学习时间和学习效率分布的两个特殊规律,分析了其中参数的意义和影响,给出了一些很有意义的结论.该模型可以预测学生考试成绩的分布规律,获得学生学习状况的许多信息,有助于改进教学活动和提高学生学习积极性.这是一个非常初步的定量化研究,希望在未来的研究中不断改进和丰富.     

Ⅰ型极值分布随机变量的随机比较(英文)

研究了两个相互独立的Ⅰ型极大值分布随机变量间的随机序,似然比序,危险率序及凸序之间的相互关系,给出了两个相互独立但不同分布的随机变量满足各种随机序时其分布所含参数间的相应关系.文中也给出了两组相互独立但不同分布的随机变量极值间在一般随机序下的大小关系.     

P-范分布及其抽样分布

本文构造了n维P-范分布的密度函数，使拉普拉斯分布、正态分布、均匀分布与退化分布均为一维P-范分布的特例。然后，定义了三个与P-范分布有密切关系的抽样分布，并给出了密度函数。     

广义BS-极小值疲劳寿命分布的统计分析方法研究

论文提出一种新的疲劳寿命分布—两参数广义Birnbaum-Saunders极小值分布(BSMin(α,β)),研究了该分布的密度函数与失效率函数的图像特征。其次,给出了该分布在全样本下两个参数的分位数估计与回归估计,并通过蒙特卡罗模拟比较发现分位数估计较优,同时也探讨了两个参数的矩估计、极大似然估计以及对数矩估计。此外,论文还指出BSMin(α,β)分布取对数后用泰勒展开可近似看作两参数极小值分布,由此得到两个参数的近似区间估计,并通过蒙特卡罗模拟考察了近似区间估计的精度。最后,利用模拟数据说明了论文所提的点估计和近似区间估计方法的应用。     

有限混合模型有限制Log极大似然比统计量的极限分布

有限混合模型的Log极大似然比统计量极限分布不是平常x2分布,1985年已为Hartigan指出.在这篇文章我们限制了混合比大于一正数下,讨论了两个含单个未知参数混合模型的Log极大似然比统计量的极限分布,它是零与x2分布的混合分布.     

关于两个猜想的证明

文献[1]提出了参数估计的一种新方法—E-Bayes估计法.对Pascal分布,给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了两个猜想,但没有给出证明.本文给出了这两个猜想的证明.     

横观各向同性多孔超弹性矩形板的单向拉伸

利用横观各向同性超弹性材料的广义neo-Hookean应变能函数研究了含有多个微孔的超弹性矩形板在单向拉伸作用下的有限变形和受力分析.给出了含有某种对称性分布的多个微孔的矩形板的变形模式,通过求解该变形模式满足的微分方程,将它用两个参数表示出来.可应用最小势能原理导出变分近似解,从而得到矩形板的变形和应力分布的解析解.分析了板中微孔的增长及微孔边缘应力的分布情况,讨论了板的各向异性程度及微孔的大小和孔间距离的影响,得到了单个、三个及五个微孔板中微孔的增长变形和孔边应力分布的一些基本规律规律,并进行了相互比较.     

关于两个猜想的证明

文献[1]提出了参数估计的一种新方法—E-Bayes估计法.对Pascal分布,给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了两个猜想,但没有给出证明.本文给出了这两个猜想的证明.     

极值分布的一个注记

本文对PH极值分布进行了推广,应用构造相关联的Markov过程的方法,证明了n个相互独立的PH随机变量构成的次序随机变量的分布仍是PH分布。并给出了次序PH随机变量分布表达式的表示方法,本文同时也给出了次序PH随机变量的联合生存分布,本文最后给出了次序PH随机变量在可靠性理论与更新理论中的应用。     

多元Liouville分布的进一步探讨及一些有关分布

本文继[1]、[2]两文之后进一步讨论了多元Liouville分布(ML分布)的一些性质,去掉了[1]、[2]两文中关于独立性刻划的附加限制,同时论证了部分多个分量之和在ML分布中的重要地位,并由此得出了ML分布的边缘刻划。另外也给出了刻度不变统计量关于ML分布类的一些良好性质,并将上述结果应用于广义多元Liouville分布(GML分布)及其它有关分布类的讨论。     

独立随机变量乘积的分布

得到了两个独立的任意分布随机变量乘积的分布函数的计算公式,该公式推广了参考文献[1]中定理1的结果.