基于最终类集的复杂样本设计研究

本文依据最终类集样本可以近似均等选择概率下各种多阶段抽样设计样本的理论,构建出多阶段抽样下复杂样本设计的理论分析框架,解析出影响复杂样本估计量设计效应的两个基本因素:最终类集同质系数和最终类集规模,分析了它们对复杂样本估计量设计效应的影响机理及相互作用机制,并应用于我国一体化住户调查的主样本设计。     

Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

利用少量样本集成吸毒人员预测模型的方法

为了从潜在吸毒人员中准确的锁定嫌疑个体,首先甄选样本并利用改进的特征缩放方法得到组合升维的基本样本集,然后对正样本进行过采样、负样本进行样本分片,修正了正、负样本集的不均衡性,最后利用神经网络集成预测吸毒人员的模型,由正负样本集进行训练和验证,提出了基于查准率、准确率、召回率的三率判断法的评估模型并进行模拟验证,给出了相关政策建议.     

求解全局最优问题的多重点样本水平值估计的相对熵算法

研究有界闭箱约束下的全局最优化问题,利用相对熵及广义方差函数方程的最大根与全局最小值之间的等价关系,设计求解全局最优值的积分型水平值估计算法.对采用重点样本采样技巧产生的函数值按一定规则进行聚类,从而在各聚类中产生的若干新重点样本,结合相对熵算法,构造出多重点样本进行全局搜索的新算法.该算法的优点在于每次迭代选用当前较好的函数值信息,以达到随机搜索到更好的函数值信息.同时多重点样本可有利挖掘出更好的全局信息.一系列的数值实验表明该算法是非常有效的.     

一类相依正态序列超过数点过程的渐近分布

{X_n,n≥1}为存在样本缺失的标准化平稳正态序列,相关系数r_n=EX_1X_(1+n).(?)_n与(?)_n分别为观测到与未观测到的子样形成的超过数点过程.令N_n=(?)_n+(?)_n.本文研究r_nln→ρ∈[0,∞)时超过数点过程N_n,(?)_n与(?)_n的弱收敛性及顺序统计量的联合渐近分布.     

标准差的计量调整型抽样检查表

本文参照 ISO3951-81”s”法主表的设计原则,设计出了一套(包括样本大小字码表,正常,加严,放宽抽样表)适合于用标准差作为过程质量指标的计量调整型抽样检查表.还讨论了所设计出的方案组的复合接收率.     

指数分布样本中异常数据检验的有效性

本文讨论指数样本中异常数据检验的有效性,证明了Fisher型统计量在异常值检验中的某种优良性。用随机模拟方法比较了Fisher统计量,Epstoin统计量和Dixon统计量在指数样本异常值检验中的功效。     

高维数据均值的统计监测

本文,我们结合统计过程控制方法,使用一种新的统计量用于在样本数量不充足的情况下监测高维数据。统计量利用样本协方差规范化技术避免协方差矩阵的奇异性,同时采用软阈值技术来挑选多维数据中重要的维度进行监测以减少监测噪音。本文在提出统计量后用matlab随机产生各种维度的高维数据样本进行仿真分析,并将该统计量与基于Hotelling T~2并采取广义逆矩阵的统计量进行比较。结果表明,本文使用的统计量的监测效果优于采取广义逆矩阵的方法。本文提出的方法可以应用于多指标产品生产的快速异常检测,特别是难以得到大量检测数据的产品,如检测需要破坏产品本身或者检测成本太高的产品。     

多个子样本下过程能力指数估计量的比较研究

过程能力指数(C_p)估计的关键是对总体标准差的估计。在多个子样本情形下,采用4个无偏估计量■,■_s,■_R,■_p分别估计总体标准差σ,证明了直接以此为基础的过程能力指数的估计量都是有偏的,且都有高估C_p的倾向;之后构造了C_p的4个无偏估计量;探讨了其中3个无偏估计量的估计效率;最后结合案例计算了C_p的不同估计值。     

基于样本协方差矩阵的多维随机数生成方法

对于概率模型未知的多维数据样本容量扩充问题,根据主成分分析原理以及多维正态分布的性质,讨论并给出了与已知多维样本数据有相同协方差结构的模拟数据生成算法,并在此基础上给出了变量的离散化处理方法。实现了在小样本数据基础上不改变变量间协方差结构的样本容量扩充,为小样本条件下的数学建模、检验和分析提供样本数据支撑。