两个正态分布变异系数差与商的近似置信区间

变异系数是衡量产品质量稳定性的一个重要指标,在实际应用中经常需要研究两种不同环境下变异系数的差异问题。文章在大样本场合给出了两个正态分布变异系数的差与商的近似置信区间、单侧近似置信下限与单侧近似置信上限的计算公式,这些公式计算简单,仅依赖于两个样本变异系数及样本容量,且Monte-Carlo模拟结果表明可以达到给出的置信水平。同时,通过几个算例可以为方法的应用提供参考。     

指数分布参数基于不完全样本的区间估计(英文)

对于不完全样本讨论指数分布总体参数的区间估计问题利用完全样本中的任意两个顺序统计量构造出区间估计所需的枢轴变量并讨论了相应的分布函数和密度函数即使只知道样本观测值中任意的两个顺序统计量值也可以计算出总体参数的置信区间在大样本的情况下给出了枢轴变量的近似分布可以构造总体参数的大样本近似置信区间     

一种新的自适应MCMC方法在金融市场风险VaR计算中的应用

在系统介绍VaR模型理论基础上,针对现有VaR计算中主流方法的缺陷,提出了一种新的马尔科夫链蒙特卡罗方法中的自适应Metropolis抽样方法。以我国股票市场投资风险的VaR模型为例,基于上证综合指数的变化,将自适应Metropolis方法应用于整个沪市大盘VaR的计算。研究结果表明:自适应Metropolis方法的推荐分布随着抽样过程能自适应的调整,其计算效率和精度要明显优于传统的VaR计算方法。     

均值已知正态总体方差的区间估计

未知参数的区间估计是一种非常重要的统计推断形式.文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性.     

关于捕获再捕获抽样的置信区间

捕获再捕获抽样是一种应用广泛的抽样方法。运用随机模拟,研究捕获再捕获抽样的三种估计量的均值、方差、偏度、峰度、利用近似正态分布构造的置信区间的统计性质。改进了估计量的样本方差计算公式,使得利用近似正态分布构造的置信区间更优。     

Polya后验方法在有限总体抽样估计中的模拟研究

polya后验方法作为一种无信息贝叶斯估计方法,在有限总体抽样中,通过观测的样本,构造一系列的模拟总体,然后进行统计推断。通过统计模拟研究了polya后验方法估计的一些特点,并和Bootstrap方法进行比较。模拟结果显示:polya后验方法能够很好地估计总体的均值,随着样本量的增大,估计值与真值的差距越来越小。采用polya后验方法构造的置信区间区间长度较小,能够很好地覆盖真值。     

戎对效应对照的Scheffe两步同时置信区间的构造

文章利用两阶段抽样,构造出了成对效应对照的Scheffe两步同时置信区间,满足预先给定的可靠度和精度的要求。同时,利用数值计算的方法给出了最优第一步抽样量。     

中国股市泡沫破裂临界时点动态置信区间研究

本文在对数周期幂率(LPPL)模型基础上,分别构建了“滚动窗口”以及“固定起点并移动终点”两种泡沫临界点动态置信区间构建方法,并以中国股市沪深300指数在2007年和2015年发生的两次大牛市股市崩盘为研究对象,采用两种新的方法进行样本外预测,计算出泡沫破裂的临界时点以及动态置信区间。研究结果表明,随着时间的不断推移,泡沫破裂临界时点的置信区间基本上能稳定覆盖实际发生泡沫破裂的时点。相比单纯利用LPPL模型预测临界时点方法,置信区间法能更好地克服预测临界时点随机性的情况,并能很好显示股市泡沫临界区间的变化轨迹,为投资者风险管理提供参考。     

基于Bootstrap抽样的多元过程能力指数估计

过程能力指数主要用于定量描述加工过程满足技术规格要求的能力,目前普遍使用的能力指数如Cp、Cpk、Cpm等主要针对单一质量特性,关于多元质量特性的过程能力指数尚未得到很好地解决.本文首先对多元过程能力指数的发展情况做一总结,指出现存的若干问题,然后在单变量过程服从正态分布的假设下,利用单一质量特性加工过程的差异系数,对单变量过程能力指数进行加权处理,得到多元过程能力指数的计算公式.然后基于Bootstrap抽样技术,对多元过程能力指数的统计分布进行仿真处理,获得了多元能力指数的经验分布及其大致的置信区间,从而为有效进行多元质量特性加工过程分析提供了概率依据.最后以某曲轴加工过程为例给出了应用案例.     

二分类集群数据下灵敏度和特异度的置信区间构建

在医学诊断等应用领域中广泛存在二分类集群数据,其特征是来自同一个群的反应结果存在相关。对于该数据下灵敏度和特异度的置信区间构造,目前已有方法在小样本及灵敏度或特异度偏大时区间覆盖率较差,通过利用二项分布得分区间的构造思想,基于灵敏度和特异度的最优加权估计量构造一种新的置信区间;通过蒙特卡洛模拟表明,与已有方法相比新区间的覆盖率明显最优、且区间长度较小;新区间在二分类集群数据的应用中值得推广。