双指数分布族参数EB估计的最优性

讨论双指数分布的位置参数在LINEX损失函数下的Bayes估计.在NA样本情形下,利用概率密度函数的核估计方法,构造边缘分布的概率密度估计,按照参数的Bayes估计形式,提出参数的经验Bayes(EB)估计函数,在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度,最后举例说明满足定理...     

概念图用于教学评价的实践研究——以数学教学为例

概念图是组织和表征知识的工具,它的节点、连线、层级、分支和交叉连接都可以用来检测学生的学习,检测学生对知识的记忆能力、理解程度和应用创新能力。文中对概念图的内涵和结构进行了合理的拓展,阐述了概念图的评价形式:读图改错、填图题和构图题,对不同形式的概念图检验试题设计了不同的评分标准:节点连线评分法、编码评分法和等级评分法,通过实验对概念图的检测效果进行了分析,分析了试题的信度、难度、区分度和效度,从数据中得出结论:概念图是一种有效的教学评价工具。     

数学学习中数学思想、数学方法的运用

指出了数学思想、数学方法在数学知识中的联系和区别，阐述了掌握数学思想和方法对学好数学的重要性．     

数学学习中数学思想、数学方法的运用

指出了数学思想、数学方法在数学知识中的联系和区别,阐述了掌握数学思想和方法对学好数学的重要性.     

Pareto分布在定时截尾样本下的估计问题

在定时截尾样本下研究两参数Pareto分布的参数估计,并计算它们的条件期望和方差;用数值模拟的办法验证所得估计的优劣,结果显示它们都是近似无偏估计(AUE),且具有较好的稳定性;与相应的定数截尾样本下的估计相比较,它们的相对平均误差小。     

指数模型单参数的线性贝叶斯估计

（X,λ）是二维随机向量,X1,X2,…,Xa为来自指数总体i．i．d样本,它们的条件分布X｜λ～E（h）,在参数入的先验分布未知的情况下,根据入的期望和方差所具有的性质,证明了参数入与样本X1,X2,…,Xa存在一定程度的线性关系,利用这一特性和入的充分统计量,导出入在平方损失函数下的贝叶斯估计,并进一步讨论了其渐近性。     

概念图及其在概率统计教学中的应用

概念图是用来组织和表征知识的工具,概念图教学法是教学改革的新途径。文中简述了概念图的起源、国内外发展现状、概念图的内涵及其结构。指出了相对于传统教学的概念图教学,在概率统计教学中的突出之处：概念图可作为教师教学的先行组织者;概念图可帮助学生复习时有效地整理知识,提高学习效果;可作为教师检测学生学习的工具;可用于师生之间的对话与合作。并用实例说明概念图应用于概率统计教学中的良好效果。     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

在LINEX损失下指数分布刻度参数EB估计的渐近最优性

在LINEX损失函数下,研究指数分布刻度参数的非参数的经验Bayes(EB)估计问题.在此损失函数下,找出参数的Bayes估计,利用抽到的样本,采用密度函数的核估计方法,构造总体X的边缘密度函数,得到参数的EB估计,指出这种EB估计是渐近最优的,它的收敛速度为0(n-γs(l-2)/(2s+1)l),并且这种EB估计方法可推广到多参数情形,举例说明它的应用.