小样本岩土参数概率分布的正交多项式推断方法

实际工程中的岩土参数往往是小样本情况,利用经典概率分布（如正态分布、对数正态分布、贝塔分布、威布尔分布等）推断其最优概率类型时,存在样本分布区间不匹配、限定范围选择和单峰值概率分布函数无法反映参数随机波动性等三个未解决的基本问题。为此,选取了五种不同取值区间,利用10组小样本岩土参数的实测样本,以勒让德多项式和第二类切比雪夫多项式对岩土参数的概率分布函数进行推断,利用K-S检验法对所得的概率分布函数进行检验。通过区间取值匹配、拟合检验值和累积概率值的比较,提出了以3σ原则为基础,同时考虑偏度进行调整的积分区间确定标准。研究结果表明:以有限比较法原理确定最优概率分布的阶数,所得最优概率分布能够反映小样本数据的随机波动;而且正交多项式推断方法所得概率分布函数的检验值均小于传统分布的检验值,说明所得分布更加符合岩土参数的实际情况。     

基于分位数函数和Bootstrap分布的不确定度评定研究

最大信息熵方法是基于概率分布评定测量不确度的主要方法之一。其所依赖的高阶矩需要较大样本的测量数据,而校准/检测实验室的测量一般为小样本,故用最大熵方法评定小样本测量不确定度缺乏一定的可靠性。提出了基于分位数函数和概率权重矩作为约束条件的最大信息熵不确定度评定法,把矩的计算从高次降为一次,并结合遗传算法求解概率分布,用Bootstrap分布估计扩展不确定度和包含区间,解决了由分位数区间估计分布不对称所致的复杂计算问题。     

实验室比对数据处理中卡方统计量研究

卡方统计量是实验室比对数据处理的关键统计分析工具,可用于比对数据的一致性核验和参考值不确定度的估计.本研究在比对量具有相同期望及比对数据服从正态分布的条件下,提出了一种包含一般线性估计的卡方统计量,研究了该统计量的性质及分布.该统计量可以实现一般线性参考值估计的一致性检验和不确定度估计,为更广泛的线性参考值估计提供统计工具,可用于比对数据分析或多实验室定值测量.作为示例,针对算术平均值使用传统卡方检验需基于各实验室宣称相同不确定度的局限,对任意不确定度组合下的算术平均值给出卡方统计量,为这种常用线性参考值估计的扩展应用提供了新统计分析方法.     

-混合样本下缺失数据情形线性模型回归系数的经验似然比统计量的渐近分布

-混合的概念作为弱相关的衡量尺度在实际中被广泛应用,且缺失数据现象在各领域常有发生,已有文献对相依和缺失数据两种情形的统计推断分别进行了深入研究,但对同时存在相依和缺失数据情形的研究较少.本文研究既有相依又有缺失情形的统计推断,即研究-混合样本下缺失数据情形线性模型回归系数的经验似然比统计量的渐近分布.我们采取回归填补方法对响应变量的缺失值进行补足,得到线性模型回归系数的"完全"样本数据.在此基础上利用记分函数构造线性模型回归系数的经验似然比统计量,在一定条件下证明经验似然比统计量渐近服从卡方分布,这一结论为构造-混合样本下缺失数据情形线性模型回归系数的置信域提供了理论依据.     

基于2DPCA的矩阵时间序列统计监控及推断

在多元统计过程控制的研究中,越来越多的学者开始关注到矩阵数据的在线监控问题。矩阵数据通常可被拉直为向量数据再进行监控,但拉直操作破坏了矩阵数据的原有结构信息。而2DPCA方法直接对矩阵数据进行特征提取,可保留矩阵的结构特征。因此,利用2DPCA方法研究矩阵值时间序列的统计监控及推断是有意义的。首先基于2DPCA方法对矩阵数据进行正交投影获取特征,通过融合这些特征构造监控统计量;其次证明了该监控统计量的极限分布为卡方分布,并利用该分布进行统计推断。模拟实验表明：该方法理论正确;当样本容量较大时,该方法相对于同类方法表现更优。     

一种基于密度核估计的最大熵方法

针对未知概率分布类型的测量数据,采用最大熵方法可以确定被测量含有最少人为主观假设的概率分布.但经典最大熵方法由于其密度函数的数学形式导致全局优化难度较大,计算结果难以满足概率密度函数基本性质,需要截断及归一才能使用.本文通过引入概率密度核估计方法,对最大熵方法进行了改进,简化了计算过程,并证明了改进后计算结果能够满足概...     

Excel在标准物质均匀性、稳定性评价中的应用

标准物质的均匀性、稳定性评价是标准物质研制过程的重要部分之一,也是评价标准物质不确定度的最重要分量,检验过程涉及许多的数据处理与统计分析。本文应用Excel软件,特别是充分发挥其自带函数、自编函数和单因素方差分析功能,以标准海水为例对标准物质的均匀性、稳定性进行检验,进而求算其带来的不确定度影响,证明了Excel软件在标准物质数据统计中应用的有效和可行,大大提高了工作效率。     

A类不确定度评定时几点注意事项

不确定度的Ａ类评定 ,是用对被测量重复观测并根据测量数据进行统计分析的方法计算 ,用试验标准偏差表征。不确定度的Ｂ类评定 ,是用非统计方法计算 ,用资料、经验、常识以及假设的概率分布估计的标准偏差表征。这两类评定方法只是数值计算方法上不同 ,而不存在本质上的区别。按Ａ类评定的不确定度分量 ,若不做重复观测也可由资料、经验公式等计算出其数值 ,也可按Ｂ类评定。在不确定度的Ａ类评定中 ,需注意以下几点 :1 Ａ类不确定度的评定结果为多个不确定度分量的综合反映。由于Ａ类评定是由一系列对被测量独立重复的观测值按统计计算方法…     

基于贝叶斯信息融合的测量不确定度评定与实时更新

基于贝叶斯信息融合与统计推断原理,建立不确定度动态评定模型,对测量不确定度进行实时更新。引入最大熵原理和爬山搜索优化算法,确定先验分布概率密度函数及样本信息似然函数,结合贝叶斯公式求出后验分布概率密度函数,实现不确定度的优化估计。仿真及实例分析表明,基于贝叶斯和最大熵方法评定及更新的测量不确定度更加接近理论值。     

基于MCM的不确定度评定软件开发

蒙特卡洛法(MCM)是基于对输入量的概率分布进行统计模拟的一种不确定度评定方法,主要应用于不适合使用GUM法评定测量不确定度的场合,并可对GUM法评定结果进行验证。提出一种用VB6实现自适应蒙特卡洛试验的软件实现方法,根据用户录入的输入量参数生成符合相应分布规律的伪随机数,代入用户录入的测量模型,得到一组输出量的蒙特卡洛试验数据,对这些数据进行统计处理得到输出量的测量不确定度评定结果及其概率密度分布曲线。该文简要介绍了软件的系统架构、测量不确定评定中常见分布的伪随机数算法及统计试验关键算法。