本期目录

2020年, 第36卷, 第4期 刊出日期:2020-08-26
  

  • 全选
    |
    学术论文
  • 李豆豆; 张梅
    应用概率统计. 2020, 36(4): 331-341. https://doi.org/10.3969/j.issn.1001-4268.2020.04.001
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    我们考虑了一个临界带相依移民的分枝过程,并证明了它的泛函极限定理, 推广了以往文献的结论. 作为应用,我们得到了后代均值估计的中心极限定理.

  • 王许蓁, 金百锁
    应用概率统计. 2020, 36(4): 342-354. https://doi.org/10.3969/j.issn.1001-4268.2020.04.002
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    本文在Lan等\ucite{1}利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法, 并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量. 在有限样本甚至~$n=1$~的情况下,该估计方法仍然适用, 且估计效果会随着矩阵维数的增大而提高.此外, 本文给出一种利用协方差矩阵识别网络中关键节点的方法,该方法能同时兼顾节点自身的贡献和节点对其他节点的影响程度,因此十分适用于学术合作网络.

  • 袁守成; 周杰; 沈洁琼
    应用概率统计. 2020, 36(4): 355-364. https://doi.org/10.3969/j.issn.1001-4268.2020.04.003
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    本文基于随机矩阵理论,研究了一般总体的高维协方差矩阵的球形检验. 当样本量小于数据维数时,经典的似然比检验方法在球形检验中已无法使用.通过引入样本协方差矩阵谱分布的高阶矩, 构造出一个新的检验统计量,并给出其在零假设下的渐近分布.模拟实验表明所提出的统计量在控制第一类错误概率的基础上能有效提高检验功效,对于Spiked模型效果尤为显著.

  • 韩琦; 陈芷禾; 殷世德; 陆自强
    应用概率统计. 2020, 36(4): 365-380. https://doi.org/10.3969/j.issn.1001-4268.2020.04.004
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    基于Fourier变换,我们得到了有限图上的量子游荡的解析解相关性质.主要包括环上的量子游荡一般态解析解的性质、二维晶格上的特殊量子游荡的无偏性及其超立方体上的量子游荡初始条件与不变子空间的一组基之间的关系.

  • 郭明乐; 单思维
    应用概率统计. 2020, 36(4): 381-392. https://doi.org/10.3969/j.issn.1001-4268.2020.04.005
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    本文研究了负相依随机变量序列加权和的q阶矩完全收敛性. 利用矩不等式和截尾法,建立了负相依随机变量序列加权和的q阶矩完全收敛性的等价条件.广并完善了Li和Sp\v{a}taru\ucite{4}、Liang等\ucite{5}、Guo\ucite{6}以及Gut\ucite{21}的结果.

  • 王婧, 张余辉
    应用概率统计. 2020, 36(4): 393-414. https://doi.org/10.3969/j.issn.1001-4268.2020.04.006
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    本文对有限状态空间上单死过程,研究其向下积分型泛函的分布之Laplace变换和矩以及停留时间的分布.应用这些结果, 给出可数状态空间上单死过程首中时高阶矩显式表示的一个新证明,同时, 得到了强遍历收敛速率的上下界估计.

  • 王晓军, 路倩
    应用概率统计. 2020, 36(4): 415-440. https://doi.org/10.3969/j.issn.1001-4268.2020.04.007
    摘要 ( ) PDF全文 ( ) 可视化 收藏

    死亡率的预测是人口预测的基础. 近年来,死亡率建模方法不断取得新的进展, 从最早的静态死亡率模型开始,死亡率模型不断发展为包括时间项的动态预测模型,如Lee-Carter族模型、CBD族模型等.本文对死亡率预测模型的相关文献进行了回顾和梳理. 随着动态模型的发展,一些学者从死亡率改善水平入手, 发展出一系列死亡率改善模型. 另外,随着死亡率研究的深入, 多人口死亡率的建模引起了研究者的重视,多人口预测模型迅速发展和完善. 随着死亡率模型的研究方法不断丰富和创新,新兴统计学方法~(如机器学习等)~已经在死亡率建模中有所应用,拟合和预测准确度不断提升. 除了经典的建模方法的扩展外, 例如小区域人口或数据缺失的人口、高龄人口、相关人口等死亡率建模问题仍值得研究.