单正态总体下抽样分布的一个证明

利用随机向量独立性的相关性质、变量变换定理以及数学归纳法给出单正态总体下样本均值与样本方差的独立性以及样本方差的抽样分布的一种证明方法.     

缺失数据下广义线性回归拟似然估计的相合性和渐近正态性

研究了形如L(β)=Σ1Zi(yi-μ(ZiTβ))=0的拟似然方程在协变量数据有缺失时,方程未知参数估计的相合性和渐近正态性.假设存在协变量数据完整的一个有效样本,且是总样本的一个简单随机子样本,基于EM算法,提出了一种新的处理协变量中有不完整数据的拟似然方程的求解法,即通过有效数据线性预测补足协变量数据缺失部分,并...     

Box-Cox变换原理及其在财务比率正态分布中的作用

对上海深圳交易所1998～2002年1 100余家公司5 571份年报12个财务比率的综合研究揭示,绝大多数财务比率不服从正态分布且不易变换到接近正态.正态变换实证过程表明：原始财务比率数据经行业划分、剔除污染样本后再进行Box-Cox变换的的正态变换效率最高,可使绝大多数财务比率接近正态分布,但仍有少数比率无法正态化.     

区间数据的线性回归模型中误差项方差的估计

从无偏转换的思想出发,对区间数据的线性回归模型中误差项方差进行了估计.当截断变量的分布密度函数已知时,得到一批具有强相合性和渐近正态性的估计量,并通过模拟计算对这种估计方法的可行性进行了验证.     

方差传递公式估计式的无偏性

推广正态样本的均值与样本方差相互独立之定理,证明正态样本(x1,x2)与其协方差也是相互独立的.如果假定在直接测量中样本独立同正态分布并且随机误差是小量,那么间接测量的方差传递公式的估计式是方差传递公式的无偏估计式.     

方差传递公式估计式的无偏性

推广正态样本的均值与样本方差相互独立之定理,证明正态样本（ , ）与其协方差也是相互独立的.如果假定在直接测量中样本独立同正态分布并且随机误差是小量,那么间接测量的方差传递公式的估计式是方差传递公式的无偏估计式。     

Box-Cox和Johnson方法在油气井数据预处理中的研究

Box-Cox方法和Johnson方法是数据预处理中2种最常用的正态变换方法,研究2种方法的差异和适用数据对象,能够为数据预处理提供参考,为提出适用性和效度更好的方法做理论上的探索.该研究从数理逻辑上对2种方法进行分析,再通过多组不同分布特征的随机数据样本对2种方法的准确性和适用数据对象进行验证.通过研究发现:Box-Cox方法是单向变换的,Johnson方法是双向对称变换的;Box-Cox方法对偏度的改变效果明显,Johnson方法对峰度的改变效果明显;在应用中,Johnson方法较复杂,整体效果也较好;Johnson方法适用于对偏态不明显的变量正态变换,但对偏态明显的变量的变换效果较差,Box-Cox方法在对偏态不明显的变量的变换中反而会增加偏度,在对偏态明显的变量的变换中表现较Johnson方法好.     

具有模糊收益率的投资组合选择模型

为刻画金融市场中的模糊不确定性,把资产收益看作梯形模糊数,使用可能性均值作为预期收益,可能性方差作为风险,并同时考虑最大化收益和最小化风险,建立了一种可能性均值-方差投资组合模型.考虑到模型的非线性和多目标性,利用包含精英主义操作和变异操作的多目标遗传算法对模型进行求解.最后,使用沪深股票市场中的部分股票数据对模型进行了实证分析,结果表明该方法具有较好的应用价值.     

基于加权可能性均值和方差的投资组合选择的一个注记

本注记运用传统的方法针对模糊数提出一个新的加权可能性方差,有别于由Robert Fuller和Peter Ma-jlender提出的以算术平均值与其水平集端点的偏差的平方期望值作为可能性方差,并将其应用于二次效用函数的投资组合选择中.     

基于数据模糊性的PU学习研究

PU学习是指从正例样本和无标记样本中训练分类器的一种学习方法.针对传统PU学习中所含初始正例过少,难以有效地从无标记样本中选出可靠负例,且分类过程易受噪声点影响等问题.本文提出了一种基于数据模糊性来提取无标记样本中有效信息的PU学习方法:先对正例无标记样本集进行半监督聚类,选出靠近正例样本的低模糊度数据来扩充初始正例集,并选择远离正例样本的低模糊度数据作为可靠负例;再剪辑掉无标记样本中高模糊度数据;最后在扩充后的正例样本集和可靠负例集上训练分类器,对初始无标记样本集进行分类.在标准数据集上的对比实验证实了提出算法的有效性.     

基于变论域模糊PI控制的电力弹簧控制策略

电力弹簧采用一种输入反馈的形式,有效地缓解了由分布式发电带来的电能质量问题。自适应模糊PI控制对电力弹簧装置的稳定性和鲁棒性有较好的改善作用,但是作为插值器的模糊控制器的精度在既定的规则下无法得到保障,将变论域思想应用到自适应模糊PI中,提出一种基于变论域模糊PI的电力弹簧控制策略,首先对伸缩因子进行动态调节,从而实现模糊控制论域的缩放,间接地增加或减少控制器的规则,从而达到预期的精度,使电力弹簧的控制效果达到最好。仿真结果表明:变论域模糊PI控制能够快速无超调地实现对关键负载的控制要求,具有更好的控制精度和适应性。     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

同时监控过程均值和方差漂移的VSI EWMA平均损失控制图设计

结合WLE控制图和VSI EWMA控制图,提出了基于田口损失函数下的可变抽样区间的EWMA控制图（简称VSI EWMA平均损失控制图）,它是一种在抽样区间可以变化的条件下能够同时检测过程均值和方差漂移的控制图;同时构造的新控制图通过添加控制限区分漂移类型,即在过程失控状态下区分是过程均值发生了漂移还是方差发生了漂移,或者两者都发生了漂移.通过与FP EWMA平均损失控制图及X-～S控制图进行比较,得出新构造的控制图对过程漂移具有更好的敏感性.     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

多元质量特性的贝叶斯均值向量控制图

贝叶斯控制图主要研究小样本情况或非稳定状态下的质量控制问题，是质量控制理论中的一个新的研究领域。通过建立多元质量特性控制的数学模型，利用多重线性模型的贝叶斯推断理论，证明了正态-Wishan先验分布下多元质量特性模型的预报分布为多元t分布，并根据多元t分布与F分布之间的关系，构造了F统计量和相应的贝叶斯均值向量控制图。     

GARCH型相关过程及其质量控制图

化工等连续生产过程，质量指标常常表现出自相关性，违返了常规控制图的独立性假定，一般的修正方法都是基于ARMA模型表示质量过程，本文应用GARCH时间序列模型，建立了GARCH型自相关的质量过程，并提出了GARCH型控制图，为条件异方差的质量自相关过程控制提供了处理工具，可以解决实际工作中因设备，原材料或操作因素等使质量波动幅度变化的过程控制问题。     

监测过程均值小的偏移的综合控制图

提出的“可变样本的综合控制图”（VGR）是对传统休哈特控制图、合格品链长控制图以及可变样本3者的恰当结合.通过数据显示,可变样本的综合控制图在样本均值发生较小偏移时更能及时发出失控信号,与传统休哈特图以及GR综合控制图相比减少了发信号时要检验的平均样本量,并且在均值未发生偏移时能有一个较大的平均样本量.     

基于m文件的Fuzzy—PID控制系统仿真

针对一些非线性系统的控制,本文提出了基于m文件的Fuzzy—PID控制系统仿真,通过Matlab仿真软件得到其仿真波形和模糊控制查询表。由m文件编程设计的Fuzzy—PID控制系统,根据实际情况的要求可以很方便的修改相应的控制参数和控制规则。对于Fuzzy—PID控制系统的核心部分-模糊控制查询表来说,通过运行m文件编程设计的程序生成模糊控制查询表的方式比利用计算公式计算得出的方法具有方便和准确的优点。     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

An Improved Multivariate T2 Control Chart for Individual Observations in Low Volume Manufacturing

For multivariate statistical process quality control with individual observations, the usually recom-mended procedure is HoteUing‘ s T^2 control chart. Using the T^2 statistic based on β distribution is an ex-act method for constructing multivariate control limits in low volume manufacturing, but it is not conve-nient in that the variation of sample size leads to a change in control limit. This paper presents an im-proved multivariate T^2 control chart whose control limit does not change with sample size, which is espe-cially useful when the samole size is small.