基于Windows的移动抽样系统设计与开发

产品质量的抽检能够实时、动态地反映出产品质量是否符合标准。加强对产品的抽检质量检验有利于加强对生产企业和供应企业的监管,然而传统的抽样模式已经无法适应高速增长的产品抽检管理要求。本文在现有的网络系统基础上,整合产品抽检信息,搭建抽检数据平台,研发抽样信息管理系统,将抽样过程信息化科学化,使得抽检管理工作能够高效顺利地开展。

浅谈移动抽样系统在检验检测机构日常抽样工作中的运用

本文介绍了移动平台抽样系统的特点、架构及设计方法,分析了移动抽样系统对于产品质量监督抽样管理的优势。结果表明运用移动抽样系统可以进一步提高实验室全面信息化管理水平,有效提升实验室专业服务能力,规范和优化检验检测机构信息化建设,提升工作效率。

移动极值排序集抽样下Pareto分布形状参数的Bayes估计

文章在移动极值排续集抽样下,针对共轭先验以及Jeffreys先验,基于平方损失、Q-对称熵损失以及Linex损失,获得了Pareto分布形状参数的Bayes估计。利用Monte Carlo法,计算出估计的偏差、真实值和对应估计值之间的均方根以及估计的效率,并把他们与在简单随机抽样下获得的相应值进行比较,模拟结果表明在移动极值排序集抽样下获得的估计结果更准确。

移动电话抽样在CATI调查中的应用与实践

本文在理论和实践相结合的基础上,结合2014-2015年多个政府满意度调查实例,从定性和定量的角度对当前的CATI调查抽样技术进行较为初步的总结,对移动电话抽样技术在CATI调查中的实践与应用做了归纳,并对CATI中存在的误差问题进行了分析。

基于mESM的情境主观数据收集实验研究

移动体验抽样方法(mobile Experience Sampling Method,mESM)已被广泛用于即时临场的移动健康数据收集,从而克服了临床评估的回忆偏倚问题。尽管使用mESM在许多研究中具有很多优势,但是使用mESM获得高质量数据仍然是一个挑战。通过智能手机传感器数据提取出情境特征,探讨广泛情境因素对参与者响应率的影响,实现和评估两阶段机器学习模型,根据情境特征预测mESM触发时的参与者的响应率和响应延迟。通过实例研究,研究结果突出了一些对参与者的响应率相关的情境因素。旨在设计一个智能mESM系统,以提升参与者的参与度并提高数据收集的质量。

带有交叉杠杆的多元随机波动率模型

在研究分析多元金融时间序列的相关结构时,为了得出一个多元SV模型的贝叶斯估计,提出了利用MCMC模拟的贝叶斯估计方法。该方法是在一元杠杆SV模型贝叶斯估计方法的基础上进行的扩展,而且是利用单步移动和多步移动抽样的方法提出的一个新的有效的MCMC算法。应用该方法对带有交叉杠杆的多元随机波动率模型进行了研究。