一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

地下水脆弱性风险预警和评估的区间三角模糊多属性决策模型

应用基于逼近理想解排序法的区间三角模糊多属性决策模型,对三江平原六大分区地下水脆弱性进行了风险预警和评估.评估结果与前人吻合,可为有关决策部门采取相应降低环境风险的措施提供参考.实例验证表明,模型具有更高的计算精度和更好的评价效果,为有关环境风险决策部门对地下水风险预警和评估提供了新的思路和方法.     

Kumaraswamy分布的经验Bayes检验

主要对Kumaraswamy分布分别在绝对值损失和加权平方损失下利用核估计构造了参数相应的经验Bayes(EB)单侧检验函数,在适当的条件下证明了所提出的EB检验函数是渐近最优的,并获得了EB检验函数的收敛速度.     

向量值哈代-洛伦茨空间

对于1r∞与巴拿哈空间B=L~r(Ω,F,μ),我们研究了欧几里得空间R~n上B-值缓分布构成的哈代-洛伦茨空间H~(p,q)(R~n,B)及哈代-洛伦茨空间之间的内插,其中0p∞和0q≤∞,获得了H~(p,q)(R~n,B)的一系列等价的刻画及其原子分解.若Ω={1},则H~(p,q)(R~n,B)=H~(p,q)(R~n)是经典的情形;若Ω=Z是整数集且μ是Z上的计数测度并且r=2,0p∞及q=∞,则H~(p,q)(R~n,B)=H~(p,∞)(R~n,e~2)转化为Grafakos和He在文[Weak Hardy spaces,Preprint,2014]中讨论的情形.     

带一个形状参数的有理三次三角Bézier曲线

构造了带一个形状参数的有理三次三角Bézier曲线,它不但具有传统三次有理Bézier曲线的几何性质,而且比传统有理Bézier曲线具有更灵活的形状调整能力.讨论了两段有理三次三角Bézier曲线的G~1和C~2拼接条件,并给出了这类曲线的应用.     

单峰分布枢轴量的等尾与等高置信区间的比较

对枢轴量G的分布具有单峰密度函数的情形,证明了G的最短置信区间是满足置信区间端点密度函数值"等高"条件的置信区间.还对枢轴量分布为正态分布、t分布、卡方分布、F分布、伽玛分布和对数正态分布情形下,在Excel中进行了搜索式数值计算,并列表比较了"等尾"和"等高"情形下置信区间的长度,验证了上述分析结论.另外,还讨论了枢轴量的最短置信区间与枢轴量中所含参数的最短置信区间的关系.     

同分布NA序列的一个弱大数律

本文从讨论同分布NA序列弱大数律的成立条件入手，不仅给出了它的一个弱大数律，而且得到了这类条件的三种等价形式，由此揭示出同分布NA序列在弱大数律方面与独立同分布（i．i．d．）序列的不同之处，因之与这两者在强大数律方面有完全相同的性状形成了对比。     

部分线性模型回归系数估计的渐近分布

考虑部分线性模型Ｙ＝Ｘ‘β＋ｇ（Ｔ）＋ｅ，ｘ∈Ｄ，ｔ∈「０，１」，β为未知的参数向量，ｇ为未知函数，Ｃｈｅｎ给出此模型的一种估计如下，先用分段多项式逼近ｇ，然后用最小二乘法估计β，「１」得到估计量β的渐近正态性。因其渐近分布中含有未知参数，不能直接用于检验问题。     

关于二项分布的极限分布的一个注记

讨论了用泊松分布和正态分布近似表示二项分布的精确程度问题,对于泊松分布,指出了它对二项分布B(n,p)的概率值的近似精确与否基本上只依赖于参数p而不依赖于n,并说明了经验条件“np≤5”的不确切.     

基于稳定分布的PARCH模型

本文首先介绍了稳定分布和基于正态分布、稳定分布的PARCH模型,并通过股票指数收益率的稳定化PP图和直方图发现其具有高峰厚尾特征.最后,通过上证指数的VaR计算,得到在金融风险度量中基于稳定分布的PARCH模型比基于正态分布的PARCH模型更加有效。