黑火药成分分析及来源推断的研究进展北大核心CSCD

黑火药是爆炸案件中最常见的炸药之一,其检验对于打击犯罪有重要意义。尽管黑火药的检验方法已相对成熟,但仍面临诸多挑战,如微量黑火药爆炸残留物的高灵敏度检验,以及黑火药的来源推断等。基于黑火药的成分组成、生产工艺,围绕爆炸前后的黑火药成分分析以及来源推断这两个检验目的,系统总结了黑火药中的分子(KNO_(3)、硫磺、木炭等)、离子(K^(+)、NO_(3)^(-)、S^(2-)等)以及元素(氮、氧、碳等)的检验方法,包括传统检验法、光谱法、色谱法、质谱法等,并对黑火药检验中存在的问题以及未来可能的研究方向进行了探讨,旨在为黑火药的研究和案件侦办提供参考(引用文献40篇)。     

全自动在线前处理技术在法庭科学毒物分析中的应用

近年来全自动在线前处理技术在法庭科学毒物分析领域得到了快速的发展和应用。在线前处理技术相较于传统提取技术,具有高效便捷、高稳定性、安全性、高灵敏度等优势,与日益增长的毒物检验分析需求完美契合。对多种在线前处理技术在法庭科学毒物检验中的应用、难点、解决措施以及发展前景和方向进行了综述,旨在为毒物检验中自动化技术的发展提供参考。     

基于主成分分析下候选基因关联检验的数学模型

对候选基因的关联检验,都是针对性状在候选基因内使用多个SNP标记,并通过检验SNP单倍型来完成的,众所周知,多标记单倍型方法往往要比单标记方法表达出更多的信息,但是,单倍型的数量往往会随着所标记的SNP的数目增多而急剧的增加,这又会大大增加检验统计量的自由度,使用统计学中的主成分分析法来降低单倍型空间的维数,并构造关联检验来检验一个数量性状与多个单倍型的关联情况,模拟结果显示,此检验方法是较合理的.     

测量误差对单位根检验的影响

本文推导了加性平稳测量误差下单位根检验中有截距和无截距情形下T(p-1)与τ两种统计量的极限分布。理论分析和蒙特卡罗实验均表明,单位根检验结果易受到测量误差的影响。测量误差将导致统计量分布向左偏移,从而导致检验水平的扭曲和检验功效的增加。左偏程度受测量误差方差及其一阶协方差的相对大小控制,而与测量误差的均值大小和概率分布无关。测量误差方差增大,左偏更严重;正的一阶协方差可以减少和抵消统计量分布的向左偏离,而负的一阶协方差将加剧左偏的程度;一阶协方差接近于方差时,左偏程度很小。测量误差的方差相对较小时,其对单位根检验的影响可以忽略。     

问题222——养成对问题的“解”的合理性进行检验的习惯

问题222刊出后,来稿雪片似地飞来,至截稿时止,共收稿51篇.带有倾向性的意见是:原解法1错误;解法2虽然结果正确,但推理存在逻辑错误.原解法1在得出结果后,对其合理性未进行检验(这是G·波利亚在"解题表"中"反思"部分的内容之一).检验,学生一般以为是再核算一次,以杜绝因粗心所造成的失误,其实,更重要的是审视解答结果的合理性(包括是否符合实际).事实上,充分挖掘题目条件,可知sinA的最大值取不到1,以致得出了错误结果还全然不知;解法2中由AB~2+AC~2≥50不能推出AB·AC≥25,反过来才是成立的,即颠倒了逻辑顺序.     

武汉市在校大学生数与经济增长的协整分析

近二十年来,我国高等教育规模不断扩大,高校在校生数不断增加,其中武汉市位居全国前列．为了研究高校在校生数对当地经济发展的影响,本文利用武汉市1992—2012年在校大学生人数数据,通过建立合适的模型,来定量探讨武汉市在校大学生数与经济增长的内在关系．结果表明,武汉市经济增长与武汉在校大学生人数模型之间存在着长期均衡关系且互为格兰杰因果关系．     

若干有偏估计的强影响点的显著性检验

本文首次研究线性模型中有偏估计的强影响点的显著性检验。通过后验分布对数似然函数,本文求出了检验岭估计、广义岭估计和Stein估计的强影响点的Score检验统计量,并用实例说明同一组数据对不同估计的影响的差异。     

关于百分制考试成绩χ~2检验的注记

魏文元，冯淑芬．关于百分制考试成绩χ２检验的注记，数理统计与管理，１９９７，１６，（１），３５～３８．本文提出“分数正态分布”的χ２检验问题，指出在对学生考分这一特殊总体进行χ２检验时，除了要进行通常的χ２检验外，还要对其样本均值和样本标准差作适当限制，从而使χ２检验法更加完善，更具实际意义     

基于M估计的纵向数据线性混合模型中方差的齐性检验

本文对纵向数据的线性混合模型,用Fisher得分法得到了参数的M估计(稳健估计),给出了其渐近性质,研究了M估计下异方差的Score检验问题,并对检验统计量的功效进行了模拟,最后通过葡萄糖数据的实例说明了本文方法的有效性。     

电子监控探测人物身高的分析

依据重庆市公安局刑警大队提供的监控数据,分析监控器摄象时影响身高的因素,利用多元回归的原理建立了三个预测身高的回归模型,并对其作出了优劣评价,最终确定出犯罪嫌疑人实际身高与其在照片上的像高、电子监控器距地面的高度、人与监控器的垂直和偏离距离四个因素的最优回归模型.该最优模型的可决系数R2=0.9931,预测身高与实际身高有97.89%的误差点在±0.02m范围内,73.09%在±0.01m范围内.并对最优模型中的预测身高与实际身高进行配对样本的t检验,两者间无显著性差异.