回归模型中异方差或变离差检验问题综述

回归模型的异方差或变离差检验是统计诊断的重要课题。本文系统介绍了普通回归模型、广义回归模型和基于纵向数据的随机效应或自相关回归模型的异方差检验或变离差检验的研究概况和最新进展；同时介绍了作者关于非线性回归模型的相应工作，最后指出了若干有有待进一步研究的问题。     

关于《数据库原理》教学中数据仓库构建步骤的探讨

本作根据3年多的《数据库原理》的教学经验，在数据仓库知识的构建部分提出了六步构建方案，通过教学实验，学生容易理解，反响较好，下面就如何构建来进行展开。它的六个构建步骤分别是：概念模型设计，技术准备工作，逻辑模型设计，物理模型设计，数据仓库生成和数据仓库的运行与维护。并重点针对运行与维护在实际使用过程中考虑不周而导致的某些问题，通过仔细分析，提出了部分见解。     

无失效数据的Bayes和多层Bayes分析

本文推广了文献[6]的结果，对指数分布无失效数据的失效率，给出了Bayes估计、Bayes置信上限以及多层Bayes估计，从而可以得到无失效数据可靠度的估计，最后，结合实际问题进行了计算。     

指数型寿命数据中异常值的检验

本文讨论了在指数型寿命数据中,对同时存在的异常大数据和异常小数据的检验方法,给出了一个明确的判别标准,并以一例说明其应用。     

基于截尾数据概率密度核估计的一些渐近行为

Blum和Snsarla(1980)提出了一基于截尾数据非负随机变量概率密度f(t)的核估计(?)_n(t),本文证明了(?)_n(t)的一致强相合性。此外,我们还进一步研究了(?)_n(t)的一致强收敛速度问题,给出了(?)_n(t)的一渐近表达式,并利用所给的表达式证明了(?)_n(t)以速度为O(n~(-2a))均方收敛到(?)_n(t),其中0相似文献   

随机删失场合半参数回归模型参数估计的重对数律‘

本文探讨了随机删失场合半参数回归模型的参数估计问题.考虑半参数回归模型Y =X}}3 + g(T)十。，其中(X,T)’为取值于Kp X [0,1〕上的随机向量，月为1'维未知参数向量，8为定义于【0.1]上的未知函数，。为随机误差，Ee = 0 . Eez = az }。未知，且(X ,T)与。独立，).被一个与之独立的随机变量V所截.此时仅能观察到:Z=min(Y,V),o=1(Y簇V)，参数I3,az的估计量禽及公 z可综合非参数的权函数估计法与参数的最小二乘估计方法得到.本文对核函数的情形得到了念及ar z的精确收敛速度即重对数律.     

左截断右删失下核密度估计的L1距离的界

本文在左截断右删失数据下获得了概论密度的核估计的L1距离的一个上界．     

Do the Experimental Violations of Bell Inequalities Require a Non-Local Interpretation of Quantum Mechanics？

Since the data show that Bell inequalities are violated experimentally, we must conclude that any hidden variable theory （which correctly predicts experimental data ） will be non-local. But, to conclude that the experimental violations of Bell inequalities show quantum mechanics to be non-local is unjustified. Specifically, the key assumptions required to obtain a Bell inequality are （ 1 ） locality and （2） the assignment of meaningful （ non- negative） probabilities to seemingly physical correlations （Bell expresses these correlations via ＂ hidden variables＂ ）. Since the Bell inequality is violated by experiment, at least one of these assumptions is wrong. The widespread conclusion that locality must be relinquished is valid only if we retain the previously mentioned correlations （ ＂hidden variables＂ ）. We will demonstrate that the latter are not physical observables - they are not elements of physical reality.     

ZI纵向计数数据模型的影响分析

基于EM算法和Laplace逼近, 本文给出了研究ZI (即含0较多的)纵向计数数据模型的影响分析方法. 为了识别含0较多的分组计数数据中的强影响点, 本文将ZI纵向数据模型中取值为0的数据赋予一定的权重; 而把随机效应看作缺失数据; 在此基础上引入EM算法, 从而应用完全数据对数似然函数的条件期望以及相应的$Q$距离函数进行影响分析; 并进一步应用Laplace逼近方法简化EM算法中的积分计算. 在此基础上, 基于数据删除模型和局部影响分析方法导出了适用于ZI纵向计数数据模型的诊断统计量. 本文也通过实际计数数据的例子验证了诊断统计量的有效性.