Linex损失下逆高斯分布参数倒数的Bayes估计

本文在Linex损失函数下,研究逆高斯分布参数倒数的Bayes估计,并且讨论了多层Bayes估计并证明该参数的Bayes估计是可容许的。

熵损失下逆高斯分布参数倒数的Bayes估计

在熵损失函数下研究逆高斯分布参数倒数的Bayes估计并且讨论了多层Bayes估计并证明该参数的Bayes估计是可容许的.

平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔(IW)分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的.

工娱疗在精神疾病康复护理中的作用

目的:探讨精神疾病的康复护理。方法:对87例住院精神病人的不同症状,运用护士观察量表(NOSIE)观察病人康复情况。结果:通过精神病人参加工娱治疗,运用NOSIE评定疗效,收到满意效果。结论:工娱疗法对精神疾病康复起到了积极作用,同时对精神病人回归社会奠定了良好的基础。

浅谈如何将数学建模融入高职数学教学

在当前高职数学教学中,应加强培养学生的数学应用能力和创新能力。文章讨论如何将数学建模融入到高职数学教学中,用数学建模思想来解决专业问题,提高数学的实用性,从而激发学生对数学的学习兴趣,促进理论与实践的结合,引发高职数学教学改革的思考。

浅谈新课改下如何组织有效的课堂教学活动

英语课堂教学活动的有效组织是实现教学目的、提高教学质量的有力保障,教师必须在教学目标、教学内容、教学方法及评价方式等方面进行优化设计,才能有效解决在教学实践中仍普遍存在的"费时较多、收效较低"的问题。

对参数带约束条件的生存模型的回归分析

为了降低成本、提高研究效率,对与时间相依的数据,有偏抽样方法是广泛应用的基础抽样方法.在建模过程中,它可以从参数的先验信息中提取更有价值的信息.随着数字信息的发展,在许多领域都可以收集到协变量维数大于样本容量的高维数据.变量选择法和独立筛选法是非常有效的降维方法.在比例风险模型中,对参数带有约束条件的回归分析,采用了修正的MM算法,但对不同的模型,此优化算法不再适用.为了克服优化问题的计算复杂难实现的困难,将蚁群算法和粒子群算法等优化算法应用到参数带约束条件的回归分析中.

基于比例风险模型中协变量调整方法的研究

在实际数据中,尤其是医学数据,其协变量受到某些因素的污染或干扰,而真实的协变量无法观测.本文所讨论的是在比例风险模型中如何对受干扰的协变量进行调整的问题.目前所存在的协变量调整方法不能直接用于生存数据,为了解决这个问题,我们运用核函数来构造干扰因子的分布函数,对受干扰的协变量进行平滑得到真实协变量的估计值,再代入到模型中得到参数的回归估计值,并完成了估计值满足相合性和渐近正态性证明.又提出运用极小极大算法(minorization-maximization algorithm,MM)得到参数估计值,第一个M是通过指数函数和负对数函数的凸性来构造一个黑塞矩阵为对角矩阵的替代函数;第二个M是对替代函数求最大值.最后通过数值模拟和真实数据研究来说明我们所提出方法的可行性.

比例风险模型下病例队列设计中两种加权估计方法及其应用

对于大型队列研究或观察型研究,基于生存数据的病例队列设计是一种能有效节约成本和提高效率的抽样机制.这种抽样设计仅对一个随机抽取的子队列以及子队列之外所有经历了感兴趣事件的病例个体进行关键协变量的测量,具有显著的成本效益.本文研究如何应用比例风险模型拟合病例队列研究数据.探讨逆概率加权和与时间相关加权这两种基于加权估计方程的统计推断方法和其渐近性质等理论结果.通过一系列的统计模拟研究展示了病例队列设计的优良性以及相较于传统简单随机抽样设计的高效性.进一步,应用这两种推断方法分析了两个实际数据,展示了其在实际中的应用价值和前景.

中学生参与志愿服务动机研究——以南宁市为例

处在青少年身心发展初始阶段的中学生,是国家的未来和民族的希望。志愿服务是促进中学生参与社会实践的重要形式。志愿服务动机是志愿者在开始参与志愿服务时,志愿者基于何种考虑参与志愿服务。中学生志愿服务动机是指中学生在进行志愿者服务时,参与志愿服务的原因是中学生参与志愿服务的真实想法。为了探讨南宁市中学生参与志愿服务动机,本文通过描述性统计分析和因子分析发现,南宁市中学生参与志愿服务动机分为四种类型:实践发展动机、社交知识动机、共有价值动机、目的性动机,从而进一步探讨影响南宁市中学生参与志愿服务的相关因素及内在关系,不同人口学变量对不同类型动机各有影响,如性别对于社交知识动机有着显著性差异的影响,生源地对于目的性动机有着差异性的影响,而年级和独生子女这两个人口学变量对不同的动机类型均无影响,由于今年和去年参加志愿行为服务次数不同,不同志愿者在共有价值动机上有着差异性影响。

病例队列研究下带约束的Cox模型中参数的一种加权估计方法

许多大型队列研究的主要预算和成本通常来自昂贵的关键协变量的采集与测量.在有限的预算或者时间下,观测大型队列中所有研究对象的昂贵协变量往往是不可行和低效的.因此,研究人员一直致力于寻找和使用能节约成本并能达到预设效率的抽样设计方法.对于生存数据,病例队列设计正是这样一种具有成本效益的有偏抽样机制.进一步,在病例队列研究中,为了利用更多的数据先验信息来提高研究的效率,可以在统计建模过程中对模型参数进行合理的假设和约束.本文研究病例队列设计下带约束的Cox模型中参数的估计方法.我们提出了一种加权约束估计的方法,并建立了所提出估计的渐近理论.发展了一种新的约束MM算法来实现所提出的加权约束估计的数值计算.通过统计模拟研究评估了所提出方法在有限样本量下的表现.分析了一个肾母细胞瘤的实际数据来展示所提出方法的实际应用价值.