多元累积和控制图及其诊断理论

论述了多元累积和控制图的有关内容,提出了2种质量多元累积和控制图的诊断理论,并与多元 T^2控制图进行了比较,最后通过1个实例对诊断理论的应用加以说明.

基于多元泊松模型的累积和控制图设计

多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图等.然而,这些控制图都假设数据服从等协方差的多元泊松模型,因为等协方差的多元泊松模型对各个变量之间的相关性有严格的约束,因此应用范围狭窄.本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图.在考虑不同模型,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模拟比较了传统控制图和新控制图GMP-CUSUM的平均运行链长(ARL),证明异协方差多元泊松模型更加适应对多元离散数据的建模,应用范围广,并且新控制图能更快速地检测到异常过程偏移,灵敏度高.

多元累积函数变化率及其应用

利用数学分析理论,建立了一类涉及参数函数的多元累积函数变化率的结论,并给出了其在多元积分、概率论与经济管理科学中的应用实例。

基于改进PEG算法的多元RA码交织器设计

在理想度分布的条件下,交织器是重复累积(repeat accumulate,RA)码性能优异的关键因素。在设计交织器时,应该避免短环的存在,特别是环4,而渐进边增长(progressive edge growth,PEG)算法是一种简单有效的避免短环的构造法。将PEG算法运用到q元RA(q-RA)码交织器的设计,首先构造出无4环的校验矩阵,通过校验矩阵得到对应的q-RA码交织器。仿真了q-RA码采用设计的交织器和随机交织器时的性能,得到采用改进的PEG算法构造交织器的q-RA码性能优于采用随机交织器的码,且对于高码率的q-RA码,其性能改善更加明显。

基于MCUSUM-ForeCA的微小故障检测

针对传统多元统计方法对过程的微小变化不敏感且无法反映过程时序特性的缺点,把多元累积和(MCUSUM)与可预测元分析(Fore CA)相结合,提出了MCUSUM-Fore CA方法。该方法利用MCUSUM对数据进行处理,累积数据的历史信息,使用Fore CA计算可预测元矩阵,选取合适的可预测元,构造能够反映系统运行状况的统计量,以此建立了微小故障检测模型。将此模型用于在线监控,并详细分析了MCUSUM的步长对微小故障检测效果的影响。最后,在TE模型上的仿真结果表明了MCUSUMFore CA方法在微小故障检测方面的良好性能。

流动性短缺与养老财富唐提化决策--基于多元累积前景理论的分析

本文从我国“未储先老”背景下老年人口资金流动性短缺的现实出发,探讨了唐提计划是否能够提高我国居民养老财富的运用效率。唐提计划具有个体长寿保险性质,约定参与人在存活期获得与池内真实死亡率相匹配的每期支付。根据我国人口死亡率数据测算的唐提计划支付流与根据CHARLS数据测算的老年人口资金流动性短缺趋势具有相似的后期大幅上扬特征。在多元累积前景理论框架下,唐提计划的养老价值优势体现在高龄阶段,而且损失厌恶和概率扭曲的存在使这种优势更加凸显,注重长寿风险保护的个体可以通过养老财富唐提化获得比年金化更高的养老总价值。根据唐提计划和生存年金的支付结构和价值优势而设计的“年金-唐提”组合产品,可以显著提高老年群体的养老总价值,提升养老财富的运用效率。

个人养老金需求不足之谜:基于个人流动性短缺视角的解释

推动第三支柱中个人养老金制度发展,是我国积极应对人口老龄化的重要手段。然而现阶段,个人养老金制度发展仍因市场需求不足面临巨大挑战。本文基于多元累积前景理论,建立个人在流动性短缺风险和长寿风险下的个人养老金主观效用模型,结合个人养老金税收优惠精算模型,通过数值模拟方法测算对个人养老金的实际需求,分析税收递延政策对个人养老金计划参与决策的影响,以探讨不同养老安排下对个人养老金的实际需求,以及不同个人所得税边际税率下个人养老金税收优惠模式的选择。研究发现,当个人非完全理性时,个人养老金计划通过增加工作期和降低老年期流动性风险,使个人养老金的净现值与主观效用产生偏差,从而影响个人养老金计划参与决策;只有对重视老年期效用的个人,个人养老金税延政策才能实现有效激励,并且个人所得税边际税率越高、投资收益率越高,激励效果越明显,存在一个最优年缴费额使得个人养老金的主观总效用达到最大。进一步分析表明,个人养老金年金化下的主观总效用比自我养老安排下的主观总效用更高,且年缴费额越高,两者的差距越大;在相同个人所得税边际税率下,EET_1、EET_2和EEE模式的个人养老金净现值和主观总效用依次增加,当个人所得税边际税率超过3%时,这三种模式的主观总效用均大于TEE模式。

一种高维数据流在线监测方法

在线监控高维数据流时,经常遇到部分信息价值较低甚至没有信息价值的数据流对监控结果产生干扰。为了解决这一问题,在统计过程控制中引入了最大信息系数方法,提出了一种基于最大信息系数的高维数据流在线监测方法。该方法能有效筛选出高维数据流中具有较高信息价值的数据流,加快失控状态的报警速度。通过数值模拟和案例分析对所提方法的效果进行检验。结果表明,相较于现有的控制图,所提方法在检测均值漂移时具有更好的监控性能。