用什么塑造地方精神

据媒体统计,2011年有13个省份、14个省会城市及地级市先后推出了本地的精神口号,在这些口号中,创新出现了11次,开放出现了10次,和谐出现了7次,包容和爱国分别出现了5次和3次.显然,某些价值理念是具有普世意义的,是不同地域、不同人群的共同追求.既然存在着共同追求的精神,那么地区或城市精神的提出又有何意义呢? 毫无疑问,在这个文化融合加速但又推崇多样性,文化底蕴积淀远远滞后于物质财富增长的时代,寻求、塑造、宣传本地精神是极富价值的,是凝聚地方认同,塑造本地形象,彰显自身特色必要的组成部分.对此几无异议,从个人到国家、从企业到政府,都用座右铭、国家理念、企业文化、政府精神等不同形式来实现着这种构建文化信仰的功能.现在问题的关键是,如何构建地方精神?如何践行地方精神?     

试论德日刑法中的同时犯

通过对德日刑法中共犯的分类引出同时犯,文章主要分析了同时犯中两个争议的问题.第一是同时犯是不是只能在同一构成要件中构成,第二是在无法查明具体的行为人是谁的时候如何追究行为的刑事责任.     

二项分布下基于鞍点逼近的总体成数置信区间的构造

面对总体成数置信区间的估计问题,可以采用二项分布下基于鞍点逼近的方法来构造总体成数的置信区间,这种方法为总体成数的区间估计提供了一种新的途径,将其和传统的区间估计方法比较,即正态近似法和枢轴量法进行比较。蒙特卡洛模拟和实例分析的结果为:在几种不同的置信区间构造方法中,小样本情况下,鞍点逼近方法构造的总体成数的置信区间长度相对较短,覆盖率最接近名义水平;大样本下,鞍点逼近方法整体表现最优。因此,可以得到鞍点逼近法对总体成数置信区间的估计较为精确,尤其是小样本情况下更为适用的结论。     

伽玛分布形状参数的最短置信区间

伽玛分布中形状参数的最短置信区间估计是一个条件极值问题,它能转化成一个方程组可用数值方法迭代求解。文章根据国家标准GB80557-2009给出了伽玛形状参数最短置信区间估计,并通过实例分析说明了最优置信区间的有效性。     

基于贝叶斯的Bootstrap置信区间

在许多领域中,Bootstrap成为一种数据处理的有效方法。很多情况下,模型中感兴趣的参数的置信区间难以构建,为了解决这一问题,文章提出了一个新的贝叶斯Bootstrap置信区间的估计量,并做了蒙特卡洛模拟比较,结果比经典区间估计方法和经典Bootstrap方法更优,并进行了实例分析。     

关于参数的最短置信区间的数值计算

文章研究了在总体均值未知时,σ2及σ在置信水平为0.90和0.95下的最短置信区间,并对通常方法和本文所用方法得到的置信区问进行了对比分析.在一定置信水平下,参数最短置信区间的求解归结为一种非线性规划问题,并用运筹学的优化方法证明了这种分布的最短置信区间所应满足的条件.又给出了参数在置信水平为0.90和0.95下的最短置信区间.通过计算比较,得出结论:在小样本的情况下,用文章所求的置信区间作为未知参数的区间估计将会使估计精度得到显著的提高.     

带模糊工作时间窗的多配送中心同时集散货物车辆路径问题

在线资源的特性使得配送车辆采用分时租赁的模式为客户进行服务,配送车辆路径问题呈现多模糊时间窗特性。本文构建了带有模糊工作时间窗的多配送中心同时集散货物车辆路径模型,以最小化配送成本、车辆使用数,最大化服务质量为优化目标。根据客户期望时间窗、硬时间窗、软时间窗,改进了线性梯形隶属度函数表示客户模糊满意度。模型的求解采用自适应大规模邻域搜索算法,通过引入多种群搜索机制和非支配排序操作,加快算法收敛速度、增强算法全局寻优能力。最后,通过算例求解验证模型和改进算法的有效性和优越性。     

一种简单有效的二项分布比例参数似然比置信区间的求法

对二项分布比例参数p的似然比置信区间,提出一种简便求解方法。在平均覆盖率、平均区间长度及区间长度的95%置信区间准则下与WScore、Plus4、Jeffreys置信区间进行模拟比较。试验表明,在二项分布b(n,p)的参数n≥20且p∈(0.1,0.9)时,该方法获取的似然比置信区间性能优良。当点估计p值不是接近于0或1且n≥20时,推荐使用本方法获取p的置信区间。     

试论原因上的自由行为之处罚

关于原因上的自由行为,现代刑法学者一般认为具有可罚性。但对于其中的原因,却有各种不同的学说,类比间接正犯说维护同时存在的原则,却对实行行为的正确认定有所偏差;最终意思决定说则恰好相反。只有将两者取长补短,维护同时存在原则,恰当地认为实行行为,切实掌握具体可行的处罚方法,才能论证原因上的自由行为的可罚性,并对原因上的自由行为实行有效的处罚。     

极值理论高频VaR区间估计模型的构建

为了对在险值的估计精度进行度量,更为精确和有效地衡量极值VaR（value at risk）的估计风险,基于广义极值理论构建了极值VaR的区间估计模型,并进一步利用高频数据重点考察了不同置信水平和不同样本容量分块下的极值VaR区间估计结果的精度和模型的有效性。结果表明,极值VaR的动态区间估计模型与参数法和非参数法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有很好的估计精度,VaR估计风险的精确度更高。