随机提前期条件下的多级库存系统优化

文章针对需求和提前期均是随机的情况,建立了单个核心制造商、多个供应商制造商和多个销售商的多级库存优化模型,其中各级库存提前期随机,需求服从正态分布。供应商采用(s,S)策略进行库存管理,制造商的原材料库存和销售库存采用连续性盘点的(Q,r)订货策略。以计划周期内系统运行期望总费用最小建立目标函数,由此得到最优的订货策略。     

利用M-H算法求解Logistic回归模型参数的贝叶斯估计

文章以航天飞机在不同温度下发射密封圈的失效数据为例,采用随机游动与变量变换M-H算法获得Logistic回归模型参数的后验分布样本并进行贝叶斯分析.同时,进行蒙特卡洛模拟,通过样本轨迹图、直方图、自相关系数图等考查M-H算法的抽样表现,并讨论每种抽样方法的优缺点与提高措施.结果表明:先验分布的选取直接影响贝叶斯估计效果,有先验信息的M-H算法估计的标准差比无先验信息的M-H算法要精确,但随着样本容量增大,趋势在减少,适当的建议分布与变量变换可大大提高M-H算法的抽样效率.     

基于线性插值的贝叶斯Lasso分位数回归及应用

在贝叶斯Lasso分位数回归中,样本似然函数的计算和后验分布的抽样通常难以处理.针对这一问题,文章采用一种基于线性插值的似然函数计算方法,并结合拉普拉斯先验分布,设计出一种新的对后验分布进行抽样的算法.数值模拟结果表明了该方法具有较好的适应性和参数估计准确性.     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

基于随机模拟与g-h分布的VaR计算方法

在金融风险管理中经常需要对极端值进行统计分析,对变量极端值的分布拟合中g-h分布模拟法可以取得较好的效果.但该方法中参数的拟合一般是用分位数进行的,虽然很简便,却很难做到使四阶矩同时与目标分布一致.改进后的基于随机模拟的g-h分布参数拟合法已经被证明可以很好的解决这一问题.文章将这种改进后的方法用于VaR的计算研究,并通过对股票市场进行实证分析,证明该方法的对VaR的拟合效果优于历史模拟法、正态分布法,且比极值理论法更加方便、灵活和准确.     

试论简单随机抽样的随机原则

抽样调查选择调查单位要遵守随机原则 ,这是抽样调查和其它非全面调查方法的重大区别。对于在抽样理论中随机原则的不同理解以及叙述 ,文章对目标总体与作业总体、不同抽样方法形成样本的形式阐述了随机原则的涵义。提出抽样调查抽选调查单位要遵守随机原则 ,保证总体每一单位进入样本的机会均等 ,而且总体每一单位第一次被抽中的机会也是均等的。     

随机森林方法研究综述

随机森林（RF）是一种统计学习理论,它是利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。它具有很高的预测准确率,对异常值和噪声具有很好的容忍度,且不容易出现过拟合,在医学、生物信息、管理学等领域有着广泛的应用。为此,介绍了随机森林原理及其有关性质,讨论其最新的发展情况以及一些重要的应用领域。     

巧用Excel软件解决数理统计问题

一、巧用Excel软件解决抽样分布中概率计算统计学中泛称统计量(枢轴量)的分布为抽样分布。当取得总体X的样本(X1、X2...Xn)后,通常要借助样本的统计量(枢轴量)对未知的总体分布进行推断。为了实现推断的目的,必须进一步确定相应统计量(枢轴量)所服从的分布。常用的抽样分布有χ     

特征样本重复抽样建模方法和应用研究

本文在传统统计回归方法的基础上,构建了一种新的特征样本重复抽样回归(FSR)建模方法.该方法是依据变量特征采用机器抽样方法重复抽样,形成多个特征样本,然后对多个样本进行参数估计,形成参数的抽样分布;最后依据抽样分布,在多个优化目标要求下建立最优化模型.FSR方法能够作为社会科学研究中一种通用的建模方法.     

样本追加——一个抽样技术难题的探析

样本追加是抽样调查的现实需求,也是一个抽样技术难题。文章从概率抽样的内涵出发定义相关基本概念,揭示样本追加的方法以及相应的估计方法,从一般意义上探析了如何破解样本追加这个技术难题。     

双重符合性审计抽样时的抽样规模的确定

在运用抽样方式开展审计活动时,如何确定抽样测试规模是其中的一项重要内容。为避免可能存在的随意性,在审计抽样方案设计阶段就需要规定出必要的样本测试数目。双重抽样是审计抽样的一种组织方式,能帮助人们确定出有效的样本测试单位。文章依据决策分析原理,探讨了符合性审计抽样成数估计时所需要的最小样本测试数目的计算方法。     

蒙特卡罗方法下线性模型的异方差性检验方法

在已有的异方差性检验方法的基础上,运用蒙特卡罗方法,借助permutation检验思想,在不假定随机扰动项服从同一分布族的条件下,通过从大样本中提取大量的子样本,不断对线性模型进行拟合和检验,根据异方差为真的频率大小,给出了一种新的异方差检验方法。随机模拟表明本检验方法优于传统方法。     

稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

对抽样平均误差公式的更正

传统的抽样理论认为,抽取样本的方法有两种:不重复抽样和重复抽样。并且认为在不重复抽样下,各次抽样之间是相互影响的;而在重复抽样下,各次抽样之间是相互独立的。由此得出了两个关于计算纯随机抽样的抽样平均误差公式。以抽样平均数为例,它们分别为:     

正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

统计抽样在审计实质性测试中的应用

统计抽样技术和方法应用于审计工作,是审计理论和实践的重大突破。它在审计测试中应用的意义在于,能科学地确定抽样规模,防止审计人员的主观臆断,而且统计抽样能计算抽样误差在预先给定的范围内的概率有多大,并根据抽样推断的要求,把这种误差控制在预先给定的范围内,以样本误差来推断总体误差,使审计工作在保证审计质量的同时提高了工作效率。 　　一、单位平均估计抽样的应用 　　单位平均估计抽样是通过抽样审查确定样本的平均值,再根据样本的平均值推断总体的平均值和总值的方法。这种方法适用范围十分广泛,无论被审计单位提…     

概率抽样条件下样本代表性事后评估方法探讨

 样本代表性直接牵扯到统计数据质量和统计公布引起的民众反响,目前社会上不乏对政府统计数据的质疑之声,最终影响到政府统计机关的公信力,因此有必要重新审视现行样本代表性的研究。目前相关文献普遍强调不同抽样方式下的样本代表性的相对性内涵,确保样本的代表性仅从抽样方法和样本量两个维度入手,缺乏对既定抽样方法下样本代表性的事后评估体系的探索,以及多样本之间样本代表性优劣的比较方法研究。鉴于此,本文在结合人口普查数据基础上尝试从样本-总体整体分布和内部属性结构两个方面构建样本代表性事后评估的一整套指标和假设检验,进而找到一种多样本代表性比较的依据。最后对浦东新区2010年城镇居民收入调查样本进行了代表性检验的尝试。     

基于“三新”企业分层抽样单元权重动态调整的估计方法

对“三新”企业进行抽样调查是及时掌握和监测“三新”经济发展的重要手段。考虑到这一类调查总体单元变动比较迅速,抽样框信息变动大,无法及时覆盖总体的最新特征,依此抽样框得到的样本数据结构与总体的分布结构差异较大,样本的代表性较低,会对总体数量特征的有效估计产生影响。因此,基于调查总体单元的变动特征,把抽样框中的单元划分为保留单元和转移单元,在此基础上,依据样本单位分层结构的变动,设计了基于“三新”企业分层抽样单元权重动态调整的估计方法。首先,通过事后分层方法挖掘出不同层的单位特征,并预测抽样框各层容量;其次,依据层规模的变动预测对目标变量估计量的权重进行修正;最后,通过自我加权设计构造出总体动态变动后数量特征的复合估计量,并对其进行优良性讨论。在对“三新”企业的模拟数据进行多次重复抽样实验中,相比于固定抽样框下的传统方法,基于分层抽样单元权重动态调整的估计方法具有更高的抽样效率,构造的关于总体数量特征的估计量具有无偏性和有效性。     

珠海市区居民家庭耐用品拥有量现状及需求趋势

珠海市区居民家庭耐用品拥有量现状及需求趋势珠海市城调队王秀英最近，市城调队采取分层随机等距抽样的方法，在市区抽选２５００户居民家庭作为调查样本，对居民家庭目前的生活状况进行入户调查。现将此次调查中有关家庭耐用品（包括文娱、日用、通讯、交通等四大类２３...