序贯抽样决策中的抽样数量

序贯抽样决策的核心问题是抽样数量的多少及其样本单元所反映的动态信息特征，笔提出了“基本抽样数（nmin)”概念，并分别就不同的序贯抽样决策模型给出了相应的计算公式。在林间抽样决策中，预定的抽样数(n）应大于或等于nmin（即n≥nmin），以避免序贯抽样曲线方程对判断结果影响，结合最大抽样数nmax，两确定了序贯抽样曲线方程的适应范围。     

一种等价于PPS抽样的二阶混合抽样

在PPS抽样中，为了满足对K个组(一级抽样单位)以(P1,…，Px)为组入样概率进行抽样的要求，往往采用有放回抽样，或每次抽样后调整下一次再抽样时的组的入样概率．前者会产生重复抽样，后者比较复杂，在实际应用中有时甚是不可能实现的．本文根据PPS抽样中，对抽组的入样概率的要求，提出一种二阶混合抽样，可以克服上述问题，并简单易行．     

统计抽样技术在审计测试中的应用

统计抽样在审计测试中的应用意义重大。本介绍了统计抽样的概念，统计抽术在审计工作中的意义，分别举例说明了固定样本量抽样在控制测试和变量抽样差异估计在实质性测试中的应用。     

抽样定理的验证

通过实验观测了抽样信号fs(t)的频谱，研究了频谱的特点。为了能够从抽样信号fs(t)中无失真地重建原信号f(t)而不致于产生混叠现象，采用了提高抽样频率的方法，使得滤波器的输出端只有所需要的信号频谱F(ω)，从而进一步验证了著名的“抽样定理”。     

二阶比估计与PPS抽样的比较

对二阶比估计与二阶PPS抽样方法进行了比较，给出了比估计优于PPS抽样及PPS抽样优于比估计的条件．     

浅析商业抽样调查中抽样框偏误及调整

文章简述了抽样框失真的类型以及对抽样框失真的调整完善，并介绍了在修改抽样方案时避开抽拉框缺陷的方法。     

小波分析在抽样定理中的应用

在信息处理和传输中，抽样是一个重要的考虑内容，而抽样定理则是基础。现在几乎所有的数字化仪都是依据Ｗｈｉｔｔａｋｅｒ－Ｓｈａｎｎｏｎ抽样定理制造。Ｗ－Ｓ抽样定理的数学证明十分简单，但包含的物理内却相当丰富。     

多维非带限信号的抽样定理

著名的Ｗｈｉｔｔａｋｅｒ－Ｋｏｔｅｌ’ｎｉｋｏｖ－Ｓｈａｎｎｏｎ抽样定理在信号分析与图像处理中起着十分重要的作用，多维抽样理论更是如此，讨论了多维抽样的重构，建立了多维非带限信号的抽样级数对其信号近似表示的混叠误差估计，并提出若干有待进一步讨论的问题。     

关于最低抽样频率的探讨

本文通过对不同类型信号的抽样过程进行理论分析,得出了各自的最低抽样频率,证明了香农抽样定理只适合低通型非周期信号的抽样。     

3P抽样与πPSWOR抽样的精度比较

证明在超总体模型下，当Ｎ充分大时，３Ｐ抽样的比率估计量与πＰＳＷＯＲ抽样的Ｈｏｒｖｉｔｚ－Ｔｈｏｍｐｓｏｎ估计量的精度近似相等。     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

多维超几何分布、多项分布与多维Poisson分布之间的关系

将一维情形的超几何分布、二项分布与Ｐｏｉｓｓｏｎ分布之间的联系加以推广，提出多维Ｐｏｉｓｓｏｎ分布的概念。多维超几何分布在一定条件下以多项分布作为其极限分布，而多项分布在一定条件下又趋向于多维Ｐｏｉｓｓｏｎ分布。     

多重线性回归模型系统的贝叶斯预报分析

指出多重线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分．通过模型系统的统计结构,证明了矩阵正态-Wishart分布为模型参数的共轭先验分布;利用贝叶斯定理,根据模型的样本似然函数和参数的先验分布推导了参数的后验分布;然后,从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布．研究结果表明：由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性的差异,前者为从矩阵正态分布,而后者为矩阵t分布．     

关于现阶段我国分配方式的思考

阐明了按劳分配和按生产要素分配的理论内涵及特征,论述了坚持按劳分配与按生产要素分配相结合的必然性及依据,提出了把按劳分配与按生产要素分配结合起来的实现途径。     

一类指数混合分布族的结果

在统计分析中,多元t分布是一种重要的分布以及指数分布族也是一种重要的分布族。模仿从多元正态分布得到多元t分布的过程,把指数分布族pθ与gamma分布进行混合,得到一种新的分布族,称为指数混合分布族pθ,并讨论了参数函数在指数混合分布族pθ下的无偏性以及讨论指数分布族pθ和指数混合分布族pθ有相同的完全统计量和充分统计量。     

一次性作用产品可靠度的Bayes置信下限

针对高价值一次性作用产品的小样本可靠性评估问题,选用带有k因子的先验分布,基于贝塔分布的双层先验分布,以及基于均匀分布的双层先验分布,研究了一次性作用产品的可靠度置信下限的估计方法.由模拟研究得出,在有历史数据时,基于k因子贝塔先验分布的估计方法比WCF方法精确;在有不完全历史信息时,基于贝塔双层先验分布的方法比基于均匀双层先验分布的方法精确.     

统计分布函数的统一推导

从巨正则分布及其热力学函数出发,导出正则分布、微正则分布、Ｍ－Ｂ分布、Ｂ－Ｅ分布、Ｆ－Ｄ分布及相应的热力学函数     

三种重要分布的极限分布

超几何分布、二项分布、普阿松分布、正态分布是概率论中几种重要的分布函数，这4种概率分布之间存在着一定的联系。给出了它们之间的关系，并进行证明，同时指出了它们在实际问题中的应用。     

基于大数据的分布式中压配电网空间负荷分配方法研究

分布式中压配电网空间负荷分配涉及的数据量较大,当前分配方法通常为经验法或简单类比法,分配结果不可靠,无法达到用户要求。为此,提出一种新的基于大数据的分布式中压配电网空间负荷分配方法,在GIS平台上完成对空间信息的提取,将经数字化处理后的配电网空间地图分割为若干层,针对各子空间求出用户密度因素。对规则条件进行判断,选择能够使规则产生最佳效应的规则推理,针对能够被添加至当前规则集合中的所有节点,求出启发式函数的值,对全部路径节点信息素浓度进行更新,以获取配电网电力负荷元胞转换规则,确定各空间适于发展各类负荷的程度。以大数据为基础,通过全局最优分配法实现分布式中压配电网空间负荷分配。实验结果表明,所提方法分配结果佳,能够满足用户要求。