VaR的统计检验

根据VaR的基本原理,对VaR的有效性进行了讨论.关于VaR提出了一个基于二点分布的检验模型,证明了存在一致最优检验,并给出了检验的表达式和拒绝域,同时鉴于金融数据的庞大性,又提出了基于渐近正态分布的检验模型,给出了检验的表达式和拒绝域.     

指数族下参数双边检验的p-值

在单参数指数族下,对参数的双侧检验问题给出了一致最优检验或一致最优无偏检验的p-值;在多参数指数族下,对单个参数双侧检验问题给出了一致最优无偏检验的p-值.在正态总体下,给出了几个计算上述p-值的例子.     

线性混合模型方差分量的检验

对于含有两个方差分量的随机效应设计阵为任意阵的线性混合模型的方差分量单边检验问题给出了精确的F检验和基于广义p值的检验.对于给出的精确的F检验给出检验存在条件以及是一致最优无偏检验的条件.通过数值模拟,基于广义p值检验的功效和犯第一类错误的概率被讨论,由模拟结果可以看出基于广义p值的检验很好地控制了犯第一类错误的概率.     

广义p-值与panel数据模型的精确检验

在panel模型中,如果方差分量已知,对回归系数的检验,存在一致最优功效检验.但往往方差分量未知,这时采用的方法就是用它们的估计代替它们.不同的方差分量的估计,就得到不同的检验统计量.这些检验统计量的分布都是未知的,在小样本情况下,很难控制它们的检验水平.本文采用广义p值的方法,给出了一种精确的检验.模拟结果显示,这种检验能很好的控制检验水平,并且有更高的检验功效.同时,本文利用广义置信域的方法给出了回归系数的广义置信球.     

ARCH模型的多变点检验

研究自回归条件异方差(ARCH)模型的多变点检验问题.提出一种拟似然比检验统计量,并在原假设下给出统计量的极限分布.在假设检验过程中得到变点个数的一致估计.数值模拟与实例分析说明了方法的合理性.     

双向分类随机效应套模型中异常值的UMPU检验

本文就平衡的（Balanced）双向分类随机效应套模型，讨论了主效应均值滑动模型的异常值检验问题，并给出了似然比检验统计量．在零假设及备择假设下导出了检验统计量的分布，证明了检验的一致最优无编（UMPU）性．最后对相关问题进行了讨论．     

具有桥梁人群的HIV模型的持续生存

给出了一致持续性的一些概念及基本理论,建立了具有桥梁人群的H IV模型.利用所给结论研究了具有桥梁人群的H IV模型的一致持续性,从而说明艾滋病会流行起来.     

具有双线性BL(1,1,1,1)误差的非线性回归模型相关性和方差齐性的检验

在时间序列回归模型分析中,相关性和方差齐性的检验是一个很基本的问题.本文讨论了具有双线性BL(1,1,1,1)误差的非线性回归模型的相关性和方差齐性的检验问题, 用Score检验方法给出了双线性项检验、相关性检验、方差齐性检验、以及相关性和方差齐性同时检验的检验统计量.推广和发展了具有线性序列误差项回归模型的结果.本文还用数值实例说明了检验方法的实用价值.     

关于数据缺失机制的检验方法探讨

在调查研究中,缺失数据是一个非常普遍的问题,各种处理缺失数据的方法都是建立在数据缺失机制的某种假定上.在总结他人研究成果的基础上,分别给出了MCAR、MAR和NMAR机制的检验识别方法,MCAR机制的检验从分布特征入手,通过比较均值和方差是否一致来判定;MAR机制的检验利用Logit模型刻画缺失指示变量R的分布,通过估计参数的显著性来判定,NMAR机制则通过对数据的缺失模式和原因进行分析来识别.     

广义空间模型的异常值检验

研究了广义空间模型中单个异常值检验问题.分别在均值漂移模型和方差加权模型下导出了检验统计量的具体形式,并给出了在两种异常值模型下检验统计量的近似分布.最后,通过哥伦布市社区犯罪数据证明了方法的有效性.     

相关攻击与相关免疫函数

本文首先介绍了如何采用ＤＣ攻击法对一类流密码体制进行相关攻击，从而说明在密码学中有必要研究相关免疫（ＣＩ）函数。在综述了域Ｆ２上相关免疫（ＣＩ）函数的研究进展的同时，给出了ＣＩ函数在一般有限域上的特性和构造，并进一步研究有限环Ｚ／（ｍ）时的情景，本文详尽描述了ＣＩ函数的五种充要条件。最后提出了几个值得研究的未解决的问题。     

Correlation Inequalities

The main point of this note is to give a simple semigroup proof of a correlation inequality due to Hu , [H]. We also recover recent correlation inequalities due to Houdré , Pérez–Abreu and Surgailis , [HPS] and obtain some new correlation inequalities on Lie groups.     

相关系数矩阵与多元线性相关分析

相关系数指度量两个随机变量间线性关系的无量纲指标,在研究了相关系数矩阵性质及其与多元随机变量线性相关性之间关系的基础上,提出多元线性相关系数的定义,用于衡量多个变鼋间线性相关强弱的无量纲指标.分析表明,所提多元线性相关系数能够较全面地反映变量间的线性相关强度.     

Correlation and Entanglement

In quantum mechanics, it is long recognized that there exist correlations between observables which are much stronger than the classical ones. These correlations are usually called entanglement, and cannot be accounted for by classical theory. In this paper, we will study correlations between observables in terms of covariance and the Wigner-Yanase correlation, and compare their merits in characterizing entanglement. We will show that the Wigner-Yanase correlation has some advantages over the conventional covariance.     

Ueber Collineation und Correlation

Ohne Zusammenfassung     

Compactly Supported Correlation Functions

This article proposes compactly supported correlation functions, which parameterize the smoothness of the associated stationary and isotropic random field. The constructions are straightforward, and compact support is relevant for various ends: computationally efficient spatial prediction, fast and exact simulation, and appeal among practicioners.     

Correlation in redundancy systems

Queueing Systems - We study the tight upper bound of the transient mean waiting time in the classical GI/GI/1 queue over candidate interarrival-time distributions with finite support, given the...     

用简相关的统计参数求复相关回归方程

文章阐述用简相关的三个统计参数求复相关回归方程,应用实例说明,此法效果良好     

Correlation when data are missing

Variable correlation is important for many operations research models. Manyinventory, revenue management, and queuing models presume uncorrelated demandbetween products, market segments, or time periods. The specific model applied,or the resulting policies of a model, can differ drastically depending onvariable correlation. Having missing data are a common problem for the realworld application of operations research models. This work is at the junction ofthe two topics of correlation and missing data. We propose a test ofindependence between two variables when data are missing. The typical method fordetermining correlation with missing data ignores all data pairs in which onepoint is missing. The test presented here incorporates all data. The test can beapplied when both variables are continuous, when both are discrete, or when onevariable is discrete and the other is continuous. The test makes no assumptionsabout the distribution of the two variables, and thus it can be used to extendapplication of non-parametric rank tests, such as Spearman's rankcorrelation, to the case where data are missing. An example is shown wherefailure to incorporate the incomplete data yields incorrect policies.