二项分布和泊松分布的剖析

一、二项分布和泊松分布的导出过程的剖析和应用二项分布和泊松分布是两类最熟悉不过的重要离散型分布,而且这两个分布的概率函数有密切的联系。下面先给出概率论教材中这两个分布的数学导出过程:(一)二项分布设n次贝努里试验满足条件:(1)每一次试验中事件A发生的概率是不变的,     

泊松分布置信限推导

本文应用数学分析方法推导出泊松分布的双侧置信限,并给出了证明。     

泊松分布变异系数的贝叶斯估计

文章在熵损失函数下,针对一组泊松样本,用参数估计方法研究了泊松分布变异系数的贝叶斯估计问题,得到了变异系数的贝叶斯估计的一般形式与精确形式,并讨论了它的可容许性。最后在给定置信水平1-α下研究了变异系数的贝叶斯置信区间。模拟结果表明这两种估计都具有较高的精度。     

基于泊松退役假定的中国城镇资本测算

传统资本测算所依赖的钟型退役假定存在连续型函数与离散型变量之间不匹配、连续型函数的唯一确定困难等问题,并因此可能影响测算结果的准确性与可靠性。文章基于永续盘存法,提出与资产役龄这一离散型变量相契合的泊松退役假定,并根据资产在不同产业间的分布、工作内容和实现方式将固定资产分为九类,对中国城镇资本进行测算。结果显示：1995—2021年中国城镇固定资产的资本存量总额、资本存量净额和生产性资本存量单调递增;全行业和第二、三产业的资本投入趋势比较接近,整体都表现出“减—增—减”的变化趋势,第一产业的资本投入波动明显强于全行业和第二、三产业。     

零膨胀泊松模型的改进在零次索赔建模中的应用

零膨胀是非寿险精算中的一种常见现象,国内外许多学者对此进行了研究分析,而最具影响力的方法是零膨胀泊松模型与Hurdle模型,但这两个方法在区分零之间的差别时存在不足。实际中,产生零次索赔的保单持有人并非全部同质,如何提取零中所包含的信息对保险公司来说是重要的。鉴此,基于零膨胀泊松模型与Hurdle模型的思想,提出修正的零膨胀泊松模型,并利用非寿险精算中的实际数据,对新模型进行了拟合分析。与零膨胀泊松模型拟合结果的比较说明,修正的零膨胀模型在零的处理上更符合实际情况,更能体现零中所包含的信息。     

一个泊松分布的趣味案例

多年以前,有报道说某航空公司的飞机发生空难后,出事后的第二天很多人都害怕乘坐这家航空公司的飞机。与朋友讨论时,运用统计学中简单的概率知识想当然地来做解释,得出前一天发生空难后,第二天乘坐飞机反而更安全的结论。虽     

基于马氏深度的变点识别方法研究

 在统计过程控制的第I阶段,准确识别运行状态发生漂移的时间点是决定控制效果的关键。本文以多维空间的数据离心程度作为判定变点规则的标准,通过概率密度轮廓将单一观测值序列转化为多维空间中的数据点,运用数据深度技术构造特征变量,并建立变点定位规则。仿真性能分析的结果表明新方法能够在不需要假设过程服从正态分布的前提下对变点位置进行精确定位。在比较研究中也表现出良好的综合性能。     

泊松分布参数的序贯概率比检验

设一天内,来到某商场的顾客数服从参数为θ的泊松分布,考虑检验问题“H1∶θ=θ1←→H2∶θ=θ2”,文章给出在给定显著性水平为α和β时的序贯概率比检验(SPRT),证明了SPRT检验法中h的存在性,并给出了样本容量的估计值.随机模拟结果表明其平均样本容量比经典的Neyman-Pearson检验法需要的样本容量小的多.     

定数截尾情形指数-泊松分布参数的Bayes估计

文章在对称和非对称损失函数下研究指数-泊松分布参数的Baves估计问题;基于广义无信息先验和定数截尾情形,给出了参数λ在三神不同损失函数下Baye5估计的精确表达式;最后运用Monte-Carlo随机模拟方法对估计进行比较.结果表明,加权平方损失下Bayes估计的精确度和稳健性较好,适合用来对参数λ进行统计推断.     

可变抽样区间泊松EWMA控制图的经济设计

文章主要讨论质量特性值服从泊松分布时,可变抽样区间的指数加权移动平均(EWMA)控制图的经济设计问题.首先建立可变抽样区间泊松EWMA控制图的经济模型,使期望总费用期望总费用最小来确定参数的最优值;其次用遗传算法来寻找经济模型的最优解;最后对可变抽样区间泊松EWMA控制图的经济模型进行最优性分析.     

一种新的寿命分布:三参数威布尔—泊松分布

文章提出了一种新的寿命分布:三参数威布尔—泊松分布WP(λ,m,β),研究了该寿命分布的密度函数和失效率函数的图形特征.     

泊松提升模型在中国车险索赔频率预测建模中的应用

为研究泊松提升模型在中国车险定价中的应用,将Boosting算法加入到SBS(Standardized binary split)回归树中,基于中国某公司2016年28个省份交强险保单数据,以样本内外损失函数的最小化为标准,对相关模型进行比较以选择相对较优的模型,应用得到的模型对各个变量进行单变量预测。研究结果表明:泊松提升模型优于SBS回归树模型,不存在过拟合的前提下,泊松提升模型的预测效果会随着树的深度或者迭代次数的增大而变得更优,确定了深度为3,迭代次数为15的泊松提升模型(即PBM3)为最优模型。     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

应用潜在分类泊松回归模型及EM算法研究网络购物使用次数

随着网络的兴起,网上购物在人们的生活中发挥着越来越重要的作用。网上购物以其方便快捷等特点吸引了很多购物者,但是也有一些人质疑网上购物安全性、不可触摸性等问题。什么因素影响人们对网络购物的选择?人们由于对网络购物的态度取向不同可分为多少潜在的类别?文章应用潜在分类泊松回归模型及EM算法分析大学生网上购物的陈述偏好数据,回答了以上两个问题,得到了十分有意义的结果。     

变点统计分析的研究进展

In this paper, we review the progresses of change-point problems. In particular, we discuss the research results about change-point problems in China.     

位置参数变点的统计推断

关于随机变量序列中是否存在变点的问题一直不断地有人研究,对变点进行估计具有很重要的应用价值。为此,研究至多一个变点的位置参数变点问题,对变点是否存在进行假设检验,论证相关统计量的渐进性质,在此基础上提出变点的一种点估计,并证明估计的强相合性。     

线性模型中变点检测的算法分析

文章介绍了线性模型中对于回归变点检测的已有方法,包括在正态分布的假设下采用一个经验似然型的Wald计量和基于经验似然比检验统计量检测方法。还利用对经验似然法的改进给出了一个新的变点检测方法,其中包含了两个不同检验统计量,并给出了具体算法步骤,最后通过模拟比较这几种方法的检验效果,结果显示：新的变点检测方法在很大程度上提高了变点检测问题的功效和命中率。     

航班动态定价机制下的机票价格序列变点估计

文章旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架中级联组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对“北京-昆明”航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。     

稀有事件变点问题的Bayes分析

文章针对稀有事件中的变点问题,根据Bayes法建立了判断变点是否存在、计算变点位置的合理模型,并利用基于Gibbs抽样的MCMC模拟抽样,估计出变点和分布参数之值。然后引用美国煤矿灾难和我国关中地区干旱灾害的实际数据,对文中提出的模型进行验证,得出了有关结论。     

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。