2021年, 第37卷, 第1期　刊出日期：2021-02-26

  

• 全选
  |

学术论文
• Select
  条件加序设计的性质与数据分析

  朱甲庆, 赵胜利

  应用概率统计. 2021, 37(1): 1-12. https://doi.org/10.3969/j.issn.1001-4268.2021.01.001

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  条件加序设计在试验中应用广泛,但对于条件加序设计的研究却很少.本文定义了条件加序设计的成对有序因子条件主效应,研究了成对有序因子条件主效应的正交性, 提出了条件加序模型.最后利用实例说明其数据分析方法.

• Select
  对一类离散时间休假排队平稳指标的数值计算与渐近分析

  张宏波

  应用概率统计. 2021, 37(1): 13-25. https://doi.org/10.3969/j.issn.1001-4268.2020.01.002

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文研究休假时间服从~T-IPH~分布的~Geo/Geo/1~休假排队,其中~T-IPH~分布是由可数状态吸收生灭链定义的离散时间无限位相分布.对多重休假和单重休假两种情形, 基于系统平稳方程和复分析方法,首先得到了排队系统平稳队长和平稳逗留时间的概率母函数~(PGF);其次, 通过对~PGF~分析,进一步得到了平稳附加队长和附加逗留时间分布律的迭代计算结果和渐近结果;最后, 通过数值例子说明了方法的有效性.

• Select
  基于Copula-AR(n)-LSV的死亡率建模及长寿风险度量

  贺磊, 林琳

  应用概率统计. 2021, 37(1): 26-36. https://doi.org/10.3969/j.issn.1001-4268.2021.01.003

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  合理的死亡率模型是精准度量长寿风险的关键.考虑不同年龄组间死亡率的相依性以及各年龄组死亡率的自相关性和异方差结构,运用多元Copula和AR($n$)-LSV模型构建了随机动态死亡率模型,并在此基础上进一步运用VaR、TVaR、GlueVaR对长寿风险进行测度研究结果表明Copula-AR($n$)-LSV模型比Lee-Cater模型更好地刻画了死亡率趋势和波动; 死亡率随着时间的推移逐渐改善, 个体将面临逐年增长的长寿风险.

• Select
  分枝布朗运动最右位置的中偏差

  石万林

  应用概率统计. 2021, 37(1): 37-46. https://doi.org/10.3969/j.issn.1001-4268.2021.01.004

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  我们研究了分枝布朗运动最右粒子位置的中偏差概率,并且得到了中偏差函数. 首先,Chauvin和Rouault考虑了分枝布朗运动最右位置的大偏差概率. 最近,Derrida和Shi对同样的模型研究了其下偏差. 相比之下, 我们的结果更加广泛.

• Select
  基于经验欧氏似然的均值单变点检测

  张军舰, 李智航

  应用概率统计. 2021, 37(1): 47-58. https://doi.org/10.3969/j.issn.1001-4268.2021.01.005

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  均值单变点检测是研究变点问题的基础.论文根据均值单变点模型的特点, 构造截断经验欧氏似然比检验函数并给出显式表达.在此基础上, 得到了零假设下检验统计量的极限分布为极值分布, 给出变点的诊断方法.在有变点的情况下, 进一步给出变点位置的估计和其相合性的理论证明.最后通过数值模拟和尼罗河年流量的实证分析说明所提方法的有效性和实用性.

• Select
  随机环境中有界跳幅的分枝随机游动

  张小玥, 张美娟

  应用概率统计. 2021, 37(1): 47-58. https://doi.org/10.3969/j.issn.1001-4268.2021.01.006

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  考虑随机环境中有界跳幅的分枝随机游动,其中粒子的繁衍构成时间随机环境中的分枝过程,粒子的运动遵循空间随机环境中有界跳幅的随机游动规律.在分枝过程不灭绝的条件下, 文章研究n时刻最右粒子位置的极限性质.

综述报告
• Select
  超高维数据特征筛选方法综述

  牛勇; 李华鹏; 刘阳惠; 熊世峰; 於州; 张日权

  应用概率统计. 2021, 37(1): 69-110. https://doi.org/10.3969/j.issn.1001-4268.2021.01.007

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  随着数据收集和存储能力的大幅提高,超高维数据\ucite{9}, 即数据维数伴随着样本呈指数增长,频繁出现在许多科学邻域. 此时, 惩罚类变量选择方法普遍遭遇三个方面的挑战:计算的复杂性, 统计的准确性以及算法的稳定性.Fan和Lv\ucite{9}首先提出超高维特征筛选的方法,并在近十多年取得大量研究成果, 成为当今统计最热点的研究邻域.本文主要从带模型假设, 包含参数、非参数半参数模型假定的筛选方法、无模型假设的筛选以及特殊数据的筛选方法四个角度来介绍超高维筛选相关工作,并简要探讨目前超高维筛选方法存在的问题以及未来可能的研究方向.