两位既熟悉又陌生的统计学家

1戈塞特——一位隐姓埋名的统计学家 众所周知，T分布是统计学中的一个重要分布，由一位署名“Student”的学者首次发现，那么此人是谁？作者又为何用笔名发表科学论文？这位隐姓埋名的科学家就是英国人威廉·希利·戈塞特（William Sealy Gosset，1876～1937）．戈塞特1899年毕业于牛津大学，拥有化学和数学两个学位．

经济订货批量公式的一个注解

本文讨论了不允许缺货和允许缺货存贮模型中经济订货批量公式,并建立了修正后的存贮模,给出了相应的经济订货批量公式。

最大似然方法和Bayes方法在结构方程模型分析中的讨论(英文)

本文通过模拟研究,讨论了最大似然方法和Bayes方法在分析结构方程模型中的相似点和不同之处。

最大最小距离的性质及计算

本文讨论了最大最小距离的一些性质，由此得到了最大最小距离的精确算法，并计算了一些常见的正交设计、均匀设计、ＬＨ设计和基于ＯＡ的ＬＨ设计的最大最小距离，进而进行了比较。

信噪比的分解及其在稳健设计中的应用

本文讨论了信噪比的分解及其在稳健设计中的应用,引用PerMIA的概念给出了田口的信噪比和社会平均二次损失联系．最后将97年中国大学生数学建模的赛题作为算例,其参数设计的优化过程更为简洁．

并行多机调度问题的一种遗传算法

运用遗传算法对最小化完工时间的并行多机调度问题进行了研究，给出了最小完工时间的一个下界，由此提出了初始种群的一种构造方法。

LH型设计偏差的计算和整体最优设计

本文对ＬＨ型设计的偏差的计算问题进行了研究，给出了计算方法，并得到了部分ＬＨ型整体最优设计。

统计软件R在高中数学必修3教学中的应用

目前高中数学新课程包括必修和选修课程两大部分，在数学必修3中包含了算法初步、统计、概率，在选修1-2、2-3以及选修4—7、4-9中又涉及了概率统计方面的内容，体现了统计与概率的基础知识已经成为未来公民的必备常识的理念．与其他高中数学内容相比，这部分内容的教学可以说是一个新课题，中学一线教师往往不是很得心应手．原因之一是这部分教师当年在高校求学时学的课程是《概率论和数理统计》，侧重于理论，掌握了数理统计的基本原理和方法，但缺乏数据处理与统计分析的必要训练。

标准化U-统计量分布的Bootstrap近似

设U_n为一U-统计量,且EU_n=θ,H_n(x)为(U_n-θ)/(V_(ar)U_n)的分布函数,H_n^(?)(x)为H_n(x)的bootstrap近似。本文证明了bootstrap近似的精度为o(n)^(-1/2),即 sup|H_n(x)-H_n^(?)(x)|=o(n^(-1/2)) a.s.

多元总体均值差异显著性检验的研究

对总体均值差异的显著性检验是心理学研究经常涉及到的问题,在一些研究中,我们发现,研究者往往不加分析地假 定 =σ2I,即样本呈正态分布、指标之间相互独立,且方差相等,因而分别使用方差分析和Scheff啨方法来进行检验?庖患? 定在实际中往往并不符合,因此说,这其实是统计方法的误用。本文通过理论推导和例证对多元HotellingT2统计量在心理学 研究中的应用进行了探索。

结构方程模型的统计方法及比较

介绍了结构方程模型参数估计的两种主要方法最大似然估计和Bayes估计,并给出了一个数值模拟例子探讨比较了两种方法的相似点和不同之处.

离散型广义非线性纵向数据模型中偏离名义离差的检验及其功效模拟(英文)

离散型广义非线性模型包括Poisson,二项,负二项模型.本文讨论离散型广义非线性纵向数据模型中偏离名义离差的检验问题,得到了检验的score统计量,并利用MonteCarlo方法研究了检验统计量的性质.最后,利用杀虫剂数据说明了检验方法的应用.

关于最小偏差LH设计

:本文对 LH设计编差的计算进行了研究 ,并得到了 LH设计偏差的下界 ,对寻求整体最优

Simmons模型的贝叶斯观点

针对属性特征的敏感性问题的Simmons模型引进贝叶斯观点,讨论了已知无关问题的概率在取什么值时,在Simmons模型下可以得到敏感性问题的估计.由于敏感性问题的未知性,用分层的方法提高精度.最后给出了一种任给一个无关问题的概率而得到精确估计的方法.

统计量S_n分布的Edgeworth展开式

在比较两个总体时,构造出统计量Sn,然后运用Edgeworth展开式理论,这样就可以得到两种形式统计量Sn分布的Edgeworth展开式.

将模拟基因信息的星形模型推广到树形模型

将星形模型下的参数分布推广到树形模型来研究基因信息,在模拟的过程中用FST对模型进行了估计,发现FST和遗传漂变率是正相关的。当p趋向于0时,树形模型转化为星形模型;当p趋向于1时,树形模型退化为含有两个子代的星形模型。

有限混合非线性结构方程模型的参数估计

针对数据不同质现象的广泛存在,将非线性结构方程模型推广到有限混合非线性结构方程模型,用EM算法进行估计,E步引入Gibbs抽样及MH算法,M则采用条件极大的方法。最后,对收敛条件及误差进行估计。