列联表检验在疾病成因中的应用

在医学中,对某些疾病成因的探究越来越重要,鉴于其样本是离散多元的,列联表在医学,生物学中应用更加广泛。疾病及其成因的研究属于对分类变量进行的分析研究,利用列联表统计样本频数,利用假设检验中的卡方检验并参照临界值表,由此能判断分类变量之间是相关还是相互独立。利用交叉列联表探究现象与其因素的相关关系,而SPSS中的三种检验方法,即χ2检验、ψ系数、列联系数,充分的分析研究了统计量的相关关系,这对于疾病的预防及治疗有很大的帮助。     

基于配对实验设计的2×2列联表中相对差的统计推断

为了消除混杂现象中讨厌参数的影响,更有效地研究因素间的关联性,2×2配对实验设计是一种简单且行之有效的方法.在对2×2列联表的相对差进行极大似然估计时可能会出现相对差分母为零的情况,从而使相对差的估计出现无限大的偏差并且方差无限.为避免出现上述情况,本文在抽样过程中采用逆抽样对相对差进行极大似然估计,利用Wald统计量及Score统计量,通过Monte carlo模拟得出结论:依据覆盖概率和平均区间宽度,Wald统计量和Score的效果基本相同且令人满意,相比之Wald统计量比Score统计量效果稍差一点.     

心理学测试中独立性稳定性的列联表分析

本文应用列联表分析的方法,对一批心理测试数据进行了统计分析,取得了目前中小学生最好运动成绩在不同运动动机下的分布资料;有力地支持了学生运动动机对学生运动成绩有显著性影响这一论点;指出了年级、性别、动机对运动成绩的影响不是独立的;给出了运动动机对运动成绩影响相对稳定的几个发展阶段.     

列联表分析方法在我馆电子阅览室工作中的应用

利用列联表分析方法,对我馆电子阅览室、校外网吧、学生宿舍等上网地点的上网内容进行了交叉分析,并利用对应分析给出了形象表达,在对比分析的基础上,提出了改进我馆电子阅览室工作的几点建议。     

列联分析在医学临床科研的应用

分类资料的统计分析在医学临床科研中显得越来越重要.但临床工作者对处理这类数据所应用的统计方法较难应用.鉴于此,本文从应用的角度,以直观的思维方法,介绍了对定性资料分析用得最多、简单、易行的列联分析原理,并结合实例分析.     

描述三维列联表中三因素交互效应的一个统计量

本文在三维列联表中优比的基础上,定义了一种新的优比—绝对优比做为统计量,并用它描述了三维列联表中三因素的交互效应;这一概念还可推广到三维以上的多维列联表中.     

行(列)对称矩阵的满秩分解和正交对角分解

提出了行(列)转置矩阵与行(列)对称矩阵的概念,研究了其性质,给出了行(列)对称矩阵的满秩分解和正交对角分解公式,极大地减少了行(列)对称矩阵的满秩分解和正交对角分解的计算量与存储量,且没有降低数值精度.     

基于配对实验设计的2×2列联表中相对差的统计推断

为了消除混杂现象中讨厌参数的影响，更有效地研究因素间的关联性，2×2配对实验设计是一种简单且行之有效的方法．在对2×2列联表的相对差进行极大似然估计时可能会出现相对差分母为零的情况，从而使相对差的估计出现无限大的偏差并且方差无限．为避免出现上述情况，本文在抽样过程中采用逆抽样对相对差进行极大似然估计，利用Wald统计量及Score统计量，通过Monte carlo模拟得出结论：依据覆盖概率和平均区间宽度，Wald统计量和Score的效果基本相同且令人满意，相比之Wald统计量比Score统计量效果稍差一点．     

正交表交互作用列的判定方法

在因素间有交互作用的正交设计中,需要用有交互作用列的正交表.而且,与交互作用列有关的混杂现象也是正交设计的难点[1],本文给出了一种简单的判定方法.     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes 估计较传统的最大似然估计好.     

二维单位球上不同加权Dirichlet空间之间的总体紧复合算子列

设n:Ｂ→Ｂ是一全纯映射列并且是单叶的,n(0)=0,n的Fréchet导数是有界的,并且｜Ｊn(z)｜≠０且有界,Ｃn:D２α（Ｂ,dυa）→Ｄ２β（Ｂ,dυB）（α,β＞２２＋１）是一致有界线性复合算子列．作者利用测度给出了此复合算子列的总体紧性．     

境外游客在华停留时间主体影响因素的列联分析

根据国家自然科学基金项目组进行的境外游客市场问卷调查的抽样数据,采用列联分析方法,通过Pearson x2检验推断得出年龄、职业、在华花费、来华次数4个主体指标,与停留时间的相关性都比较显著.     

2×N阶网络对角等效电阻的再研究

再次对2×N阶电阻网络对角节点间的等效电阻进行了研究,发现了文献[1]中给出的结论存在错误.通过网络分析构建差分方程模型,纠正了以前研究的错误,得出了新的结论,并且对特殊情形的结果进行了比较与验证.     

严格对角占优张量的子直和

根据张量与矩阵之间的联系,将方阵子直和及S-严格对角占优矩阵的概念推广到张量上,给出了张量子直和与S-严格对角占优型张量的定义,用分类讨论的方法证明2个严格对角占优张量的子直和仍然为严格对角占优张量,并讨论了S-严格对角占优型张量的情形,给出2个张量的子直和为S-严格对角占优型张量的条件.     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

拟行(列)对称矩阵的Schur分解及正交对角分解

考虑拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆, 给出拟行（列）对称矩阵的Schur分解、 正交对角分解、 Hermite矩阵分解和广义逆的计算公式. 实例计算结果表明, 该方法既减少了计算量与存储量, 又不会降低数值精度.     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。     

指数平均寿命的Bayes估计关于先验分布的稳健分析

讨论了指数平均寿命的Bayes估计及其后验平均损失,关于先验分布的稳健性。本文所考虑的先验分布类是限制了均值和方差的共轭先验分布类。最后,给出了有关结果的数值计算例子。     

正态和对数正态分布中参数的损失和风险函数的Bayes推断

给出了共轭先验分布下正态模型中尺度参数和对数正态模型中形状参数的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性,并利用沪深300中的中国石化和鄂尔多斯股票的周收盘价数据进行实证分析来阐明结论的有效性.     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数（GE）分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。