Cox模型在电信客户流失原因分析中的研究

建立客户流失Cox模型,结合某高校在校大学生手机卡的生存数据,对影响显著的协变量进行多因素分析,并提出减少客户流失的措施.将Cox模型与Logistic模型进行比较,结果表明Cox模型的效果更好.

Elastic Net方法在Cox模型变量选择中的研究

将Elastic Net方法运用于Cox模型的变量选择中,建立EN-Cox模型,证明了Cox模型的Elastic Net估计具有组效应性质.数值模拟验证了Elastic Net方法能将强相关变量全部选入Cox模型,而Lasso方法无此功效.数值实例验证了Elastic Net方法运用于Cox模型的可行性,表明EN-Cox在拟合效果和预测能力方面均优于传统Cox模型.

泊松过程和排队论在银行排队问题中的研究

银行排队现象屡见不鲜,如何缓解和控制银行的排队问题一直是顾客和银行管理者共同关心的问题.基于泊松过程和排队论处理银行排队问题,确定当前银行所需的服务窗口数目,理论计算结果与银行当前的实际情况相符.验证了二者的结合是解决银行排队问题的一种实用新途径,且能够为银行的窗口数目设置、最优系统问题提供决策支持.

Adaptive Elastic Net方法在Cox模型变量选择中的研究

将Adaptive Elastic Net方法运用于Cox模型的变量选择中,证明了在一定条件下,Cox模型的Adaptive Elastic Net估计具有组效应性质.数值模拟和具体实例验证了该估计的组效应性质,表明Cox模型的Adaptive Elastic Net方法优于Lasso方法、Adaptive Lasso方法和Elastic Net方法.

线性回归分析的几种统计软件实现

线性回归分析是一种应用极为广泛的数据分析方法,如何更好地对其进行软件实现一直是人们关心的问题。针对线性回归分析的软件实现问题,将几种常见的统计软件进行对比分析,得出Excel,SPSS和R等统计软件在处理线性回归分析时的优劣,进而为实际案例的正确建模和检验提供可能性。

基于Logistic回归判别法对大学生挂科的预测

随着大学生考试挂科现象日益凸显,如何防预大学生挂科已成为高校教育面临的热点问题.文章将Logistic回归分析与判别分析相结合,对大学生挂科的预测问题进行研究.具体实例表明,运用Logistic回归判别法能很好地对大学生考试是否挂科进行预测,从而有利于学校及学生自身采取相应的措施来防止挂科的发生.

比较法和案例教学法在《统计学原理》课程教学中的应用

《统计学原理》是一门理论性和应用性均较强的课程,应针对其自身特点,巧妙地运用比较法和案例教学法进行教学.本文探讨了统计学原理教学过程中的比较法和案例教学法,以进一步推进该课程的教学方式.

生存数据下Cox模型的两种统计软件实现

Cox模型是处理生存数据的经典半参数模型,对其进行软件实现能有效提高处理生存数据的效率。本研究在生存数据背景下探讨Cox模型的统计软件实现。结果表明,SPSS和R在处理生存数据及建立Cox模型时各有千秋,使用者应根据自身情况和实际需求进行选择。

时间相依协变量Cox模型的变量选择

结合R软件对时间相依协变量Cox模型进行变量选择研究。介绍了时间相依协变量Cox模型的一般形式。分析了时间相依协变量Cox模型的数据来源和建模过程。结果表明,时间相依协变量Cox模型就是一种对Cox模型的扩展和改进。当数据中存在伴随时间而发生变化的变量时,时间相依协变量Cox模型能弥补时间独立协变量Cox模型的不足,使分析更加全面合理。

桂西北地区本科生视力状况的统计分析

为了解桂西北地区本科生的视力情况,本文运用Logistic回归分析方法对该地区本科生的视力情况进行影响因素分析.结果表明：性别、保护视力的意识程度、是否注意用眼卫生、户外运动时间及饮食搭配均与视力状况的成因有关.此外,结合所得结果,本文提出了减少该地区本科生近视发生率的有效方法和建议.

教会学生知人论世,在期待中等待花开——《陈涉世家》备教手记

。学生是学习的主体，教会学生知人论世，才能对作品中的人物进行正确的评价。也只有让学生知人论世，才能提高他们的语文素养。

应用型地方院校统计类学生就业能力培养的现状分析

以广西某高校为研究样本,对其统计类在校生进行问卷调查,以分析统计类学生就业能力培养现状。调查结果显示:对就业最有用英语四六级证书和初级会计证书的考取率较低;专业知识能力最为薄弱;入党、任学生干部、积累社会经验和参与社团活动有利于就业能力的提升。

初中作文有效教学的一些思考

从我们农村初中作文教学实际出发，从作文教学的认知引导、作文教学的梯度、作文课内外发展、作文教学的评改及作文训练的核心等角度思考如何让作文教学更加有效、高效。

多层线性模型参数估计的MCEM算法

应用Monte Carlo EM(MCEM)算法给出了多层线性模型参数估计的新方法,解决了EM算法用于模型时积分计算困难的问题,并通过数值模拟将方法的估计结果与EM算法的进行比较,验证了方法的有效性和可行性.