一类奇异分布函数的构造

本文利用实数的Cantor展式构造出一类奇异分布函数,Cantor函数是其特例。     

Levy分布参数估计的损失函数和风险函数的Bayes推断

给出了在共轭先验分布下,L evy分布参数估计的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性,并用S&P 500$close数据进行了实证分析支持我们的结论.     

一个包含新的Smarandache函数的方程

定义一个新的Smarandache函数(?)(n),并研究一个包含该函数的方程.利用初等方法,给出了一个包含函数(?)(n)的方程的正整数解.方程只有五个正整数解.     

扩散函数非参数估计的一种新方法

考虑了一类基于样本插值的时齐扩散方程扩散函数的非参数估计程序.在一定的正则条件下,给出的扩散函数估计量是依概率收敛的,并且渐近地符合一个正态分布.通过分析,发现与传统的基于已实现波动率的估计量相比,估计量在精度上有所提高.     

一种风险型决策的决策方法

本文阐明了方案益损值和自然状态概率无准确估计的风险型决策问题的决策方法。证明了在期望值决策准则下，用等概率分层随机抽样得到的方案收益期望值的均值，与用简单随机抽样得到的相同。用正交表进行分层随机抽样，得到方案收益期望值服从正态分布的均值和方差。再根据统计推断理论对方案作出选择，并给出决策的风险估计。     

多元Beta分布特性分析

利用小样本截尾序贯检验理论,在武器系统对空中目标的命中精度检验问题中,遇到了一类多元Beta概率分布函数,讨论分析了多维Beta概率分布函数的特性并给出了概率计算表.结果对武器精度检验具有重要意义和实用价值.     

Distribution Functions in Risk Analysis: Response

Journal of the Operational Research Society -     

一个新的填充函数

填充函数法是一种解无约束全局极小化问题的方法.这种方法的关键是构造填充函数,在已发表的文献中已经介绍了几种填充函数.在此介绍只含一个参数的填充函数,并且根据此填充函数提出了一种填充函数算法.给出了用这种填充函数法解几个测试问题的计算结果.     

A New Filled Function Method for Global Optimization

A novel filled function is suggested in this paper for identifying a global minimum point for a general class of nonlinear programming problems with a closed bounded domain. Theoretical and numerical properties of the proposed filled function are investigated and a solution algorithm is proposed. The implementation of the algorithm on several test problems is reported with satisfactory numerical results.     

一类新的求全局优化问题的填充函数

填充函数方法是一种寻找全局极小解的有效方法.本文首先对现有的填充函数进行研究分析,然后构造出一类新的填充函数,设计算法,并通过数值试验验证了该函数和算法的有效性.     

复杂网络幂律度分布和层次聚集函数标度指数的一种新的估计方法

提出一种估计复杂网络幂律度分布和层次聚集函数标度指数的新方法,并给出求解这些指数的数值算法．该方法可以克服目前网络研究中采用的图形线性拟合估计方法存在的偏差和不准确等不足之处．此外,通过对10个CNN网络进行KS检验统计量的比较,证实该方法比图形方法具有更好的拟合效果．     

A New Procedure for the Distribution of Periodicals

The magazine and newspaper wholesaler or distributor faces the problem of allocating copies of each new issue of each periodical among the retail outlets that sell that particular title. A large distributor will typically distribute over 150 new issues each week, with some issues being sent to more than 1000 retail outlets. This paper describes the development of a new distribution procedure which was undertaken for a major distributor.     

一个新的F.Smarandache函数的值分布

目的:定义一个新的F.Smarandache函数(n),并研究其值分布问题.方法:利用初等方法及解析方法.结果:给出了函数(n)与n的最小素因子函数p(n)的均方差定理.结论:获得了一个较强的渐近公式.     

一个包含新的F．Smarandache函数的方程

定义一个新的F.Smarandache函数(?)(n),并研究一个包含该函数的方程.利用初等方法.给出了一个包含函数(?)(n)的方程的正整数解.该方程只有两个正整数解.     

有辅助信息时有限总体分布函数的新估计量

本文提出两个新的估计量,利用观察数据中的总体辅助信息来估计有限总体分布函数,并通过两个人工总体的模拟实验,比较新的估计量、传统的估计量及Rao,Kover&Mantel(1990)提出的估计量的相对平均误差与相对标准差。结果表明,从相对标准差的角度分析,两个新的估计量有一个是四个估计量中精度最好的一个,另一个也有很好的表现;而且它们在模型有所偏差时都具备了较好的稳健性。     

一类关于非光滑全局优化的双参数填充函数

为在有界闭集上寻找非光滑函数的全局极小点,本文在文献[12]的基础上提出了一个改进的填充函数定义,然后给出了一个新的双参数填充函数.讨论了所给填充函数的理论和数值性质并设计了相应的算法.分析表明所给填充函数对参数的选择优于相关文献中的结果.数值实验表明,本文所给出的新的填充函数算法是有效的.     

关于约束极小化问题的一个新的简单精确罚函数

针对等式及不等式约束极小化问题,通过对原问题添加一个变量,给出一个新的简单精确罚函数,即在该精确罚函数表达式中,不含有目标函数及约束函数的梯度．在满足某些约束品性的条件下,可以证明:当罚参数充分大时,所给出的罚问题的局部极小点是原问题的局部极小点．     

A Joint Density Function in the Renewal Risk Model

In this paper, we consider a general expression for $ϕ(u, x, y)$, the joint density function of the surplus prior to ruin and the deficit at ruin when the initial surplus is $u$. In the renewal risk model, this density function is expressed in terms of the corresponding density function when the initial surplus is 0. In the compound Poisson risk process with phase-type claim size, we derive an explicit expression for $ϕ(u, x, y)$. Finally, we give a numerical example to illustrate the application of these results.     

厚尾分布的极值分位数估计与极值风险测度研究

金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.     

Stationary Distribution Function Estimation for Ergodic Diffusion Process

The problem of nonparametric stationary distribution function estimation by the observations of an ergodic diffusion process is considered. The local asymptotic minimax lower bound on the risk of all the estimators is found and it is proved that the empirical distribution function is asymptotically efficient in the sense of this bound.