一类经验Bayes估计的优良性

理论研究和实践结果表明,线性回归模型中最常用的方法——最小二乘法,在一些情况下表现不理想,因此近些年来,统计学家提出了许多替代方法供选择使用。本文通过参数经验Bayes(PEB)方法构造线性回归模型中可估函数的经验Bayes(EB)估计,并分别在均方误差(MSE)准则及均方误差矩阵(MSEM)准则下讨论它相对于最小二乘(LS)估计的优良性。     

新疆区域经济差异及其影响因素分析

采用洛伦茨曲线、基尼系数、泰尔指数、非参数分析法及Shorrocks转换矩阵对1978-2009年新疆区域经济差异进行分析,结果表明新疆区域经济发展水平差异呈逐渐加大的趋势,其主要是由于新疆不同区域间发展不平衡造成的;同时,新疆区域经济发展的不平衡是在区域经济格局越来越稳定的惯性中发生的.根据对新疆区域经济差异影响因素的分析,应加大对新疆固定资产投资,并注意投资区域布局的合理化;加快新疆教育事业发展,努力实现教育与经济的协调发展;加快新疆产业结构的调整,推进产业结构的合理化和高级化.     

基于SPOT VEGETATION数据的中国植被覆盖时空变化分析

本文基于1998年-2007年中国地区长时间序列SPOT_Vegetation植被指数数据集,应用RS与GIS技术,采用最大值合成、一元线性回归变化斜率法和Mann-Kendall非参数检验法对中国各大自然区划(3个大类、7个中类)的植被覆盖状况做了时空变化分析。结果表明:基于SPOT_Vegetation植被指数数据可以很好的在宏观上监测中国的植被覆盖时空变化,1998年-2007年,中国整体上植被活动在增强,并向好的方向改善,特别是东部季风区域中华中、华南湿润亚热带地区,东北湿润、半湿润温带地区和华北湿润、半湿润暖温带地区植被覆盖显著上升。但局部在却在恶化,西北干旱区域特别是内蒙古中西地区产生严重的恶化。近1/3国土面积植被覆盖基本不变。且斜率变化法和Mann-Kendall非参数检验法可以相互印证,对中国的植被覆盖状况,时空变化有着基本一致的判断。     

线性混合效应模型中方差分量两种估计的比较

本文首先给出了由王松桂等提出的广义谱分解估计(GSDE)的定义,以及由Herderson方法得到的方差分量的方差分析估计(ANOVAE),在此基础上提出了谱和线性混合效应模型的概念,证明了在这类模型中,方差分析估计是广义谱分解估计的一种,并且考察了在一定条件下广义谱分解估计优于方差分析估计的充分条件.     

快速分解算法的电力系统状态估计软件研究

电力系统状态估计作为一种高级应用软件,在整个能量管理系统中起着非常重要的作用。本文采用了基于加权最小二乘法的快速分解状态估计算法,并建立了相应的数学模型,该模型具有简便快速的特点,经实例计算表明,该方法是可行的。     

排序抽样的非参数估计

针对未知对称分布函数提出新的非参数估计量,并证明了此估计量一致优于文献[1]给出的估计量.     

参数的广义矩法估计

对参数的矩法估计是一个基本方法,它首先要求随机变量的矩存在;但是对某些分布,它不存在矩,因此,对该分布参数的估计矩法将失效。本文提出广义矩概念,并给出了广义矩存在的条件,利用广义矩对参数作出估计,弥补了不存在短或矩的阶不够大时导致参数估计矩法失效的不足。     

基于核方法和高斯混合模型的手机上网时长统计分析及应用

从不同手机型号角度,分析上网时长的分布,并用核方法和高斯混合模型对手机上网时长数据进行建模和分析。实际数据分析表明,手机上网时长分布具有双峰现象,本文对此现象给出了合理解释。     

The Chi-square test of independence

The Chi-square statistic is a non-parametric (distribution free) tool designed to analyze group differences when the dependent variable is measured at a nominal level. Like all non-parametric statistics, the Chi-square is robust with respect to the distribution of the data. Specifically, it does not require equality of variances among the study groups or homoscedasticity in the data. It permits evaluation of both dichotomous independent variables, and of multiple group studies. Unlike many other non-parametric and some parametric statistics, the calculations needed to compute the Chi-square provide considerable information about how each of the groups performed in the study. This richness of detail allows the researcher to understand the results and thus to derive more detailed information from this statistic than from many others.The Chi-square is a significance statistic, and should be followed with a strength statistic. The Cramer’s V is the most common strength test used to test the data when a significant Chi-square result has been obtained. Advantages of the Chi-square include its robustness with respect to distribution of the data, its ease of computation, the detailed information that can be derived from the test, its use in studies for which parametric assumptions cannot be met, and its flexibility in handling data from both two group and multiple group studies. Limitations include its sample size requirements, difficulty of interpretation when there are large numbers of categories (20 or more) in the independent or dependent variables, and tendency of the Cramer’s V to produce relative low correlation measures, even for highly significant results.     

相依数据密度估计的距离

基于X_1…X_n作未知密度f(x)的核估计f_n(x),文章在{x_n}_1~∞为平稳、(?)—混合过程且核函数不连续的情况下,得到了f_n(x)的一致强相合性和L_1—模相合性．