工序能力Bayes推断

本文从Ｂａｙｅｓ观点研究工序能力，对无信息先验和共轭先验，给出了Ｃｐ的后验分布、条件期望估计和最大后验估计、Ｂａｙｅｓ置信下限和判断工序是否有能力的临界值，适于对相似工序作统计推断。     

基于随机模糊参数预测烧结法氧化铝生产中碱液成分

针对来自许多实际过程中数据变化的多态不确定性,提出一类新的预测方法。为了反映数据的多态不确定性,设计了一种分段推断算法来对样本数据的分布函数进行推断,在假设总体服从一类模糊随机变量的条件下,由该方法得到总体的分布函数的解析式。基于这种预测方法,对烧结法氧化铝生产过程中碱液成分进行了预测。预测结果表明新方法具有广泛的应用价值。     

社会网络分析方法在管理民间信仰活动的应用研究

民间信仰活动是一种复杂的社会现象,其信众群体是一个独特的社会关系网络。本文在国内首次运用社会网络分析的思维和方法,在对冀南地区民间信仰抽样调查的基础上,建立网络模型,通过对民间信仰主体和客体各结点的中心性、凝聚性等进行量化分析,进而探究民间信仰网络的社会结构及其属性,得出信众群体特征、信仰动因、活动特点、社会心态等有益结论,为民间信仰活动的社会治理和政府管理提供科学依据.     

基于高层次结构数据的多水平模型贝叶斯推断及应用

面对具有多层次嵌套结构的数据,构建多水平模型是统计建模的一个重要研究课题。经典的参数估计方法主要采用极大似然估计法(ML),然而当面对高层数量单位小或数据结构不平衡时,极大似然估计在估计精度上存在一定不足;而贝叶斯方法充分应用了有效的先验信息,可以弥补其不足。本文在高层次结构数据多水平模型的研究基础上,探索高层次结构数据的多水平模型贝叶斯推断理论,并以云南省红河州农户收入数据作实证分析,建立了基于县-村-户嵌套结构的农户收入影响因素多水平模型,对比分析模型参数的ML估计、经验贝叶斯(EB-ML)估计和完全贝叶斯估计,从而充分展现了高层次结构数据多水平模型的完全贝叶斯推断方法,在拟合高层数量单位小或数据不平衡时具有的特征和优势。     

基于变分推断的磁共振图像群组配准

为解决基于深度学习的成对配准方法精度低和传统配准算法耗时长的问题,本文提出一种基于变分推断的无监督端到端的群组配准以及基于局部归一化互相关（NCC）和先验的配准框架,该框架能够将多个图像配准到公共空间并有效地控制变形场的正则化,且不需要真实的变形场和参考图像．该方法得到的预估变形场可建模为概率生成模型,使用变分推断的方法求解;然后借助空间转换网络和损失函数来实现无监督方式训练．对于公开数据集LPBA40的3D脑磁共振图像配准任务,测试结果表明：本文所提出的方法与基线方法相比,具有较好的Dice得分、运行时间少且产生更好的微分同胚域,同时对噪声具有鲁棒性．     

基于样本次序统计量的总体分位数的非参数统计推断

随机总体分位数的统计推断理论与方法一直是统计学研究的重要课题.其主要原因是分位数的应用涉及众多领域,且在各领域的研究中起到举足轻重的作用.本文系统地论述了基于样本次序统计量的总体分位数的非参数统计推断的理论和方法;给出了基于样本次序统计量的总体分位数的估计方法,总体两个分位数之差的置信区间,总体容许区间的求解方法及符号检验.希望有助于读者的科研与应用.     

OSTR试验下感度分布参数的推断

研究了OSTR试验数据的统计处理方法。给出了推断感度分布参数的两种方法 :条件推断与非条件推断方法。通过研究与模拟 ,得出条件推断方法适用于推断机械撞击作用火工品的一些R响应点的结论。