统计-金融-金融知识-第24页-金号角网

Hi ，欢迎来到金号角网专业金融需求撮合平台，让金融需求找到更优质的服务商

TOP

当前位置：金号角网> 金融学院> 金融知识 > 金融 > 统计> 列表

쳣ֵ

定义　　异常值outlier：一组测定值中与平均值的偏差超过两倍标准差的测定值。　　与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。　　在处理数据时，应剔除高度异常的异常值。异常值是否剔除，视具体情况而定。在统计检验时，指定为检出异常值的显著性水平α=0.05，称为检出水平；指定为检出高度异常的异常值的显著性水平α=0.01，称为舍弃水平，又称剔除水平(reject level)。准确性　　在回弹法检测砼强度中,按批抽样检测的测区数量往往很多,这就不可避免出现较多的检测异常值,怎样判断和处理这些异常值,对于提高检测结果的准确性意义重大。格拉布斯检验法是土木工程中常用的一种检验异常值的方法,其应用于回弹法检测砼强度，能有效提高按批抽样检测结果的准确性。判断处理　　检验批中异常数据的判断处理　　1、依据标准　　《计数抽样检验程序》（GB2828）、《正态样本异常值的判断和处理》（GB4883）。　　2、异常值定义　　异常值是指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值。　　3、异常值的种类　　(1)可能是总体固有的随机变异性的极端现，属同一总体；　　(2)可能是试验条件和方法的偶然偏离，不属同一总体。　　4、判断异常值的统计学原则　　(1)上侧情形：异常值为高端值；　　(2)下侧情形：异常值为低端值；　　(3)双侧情形：异常值在两端可能出现极端值。　　5、判断异常值的规则：　　(1)标准差已知——奈尔(Nair)检验法；　　(2)标准差未知——格拉布斯(Grubbs)检验法和狄克逊(Dixon)检验法。　　6、格拉布斯(Grubbs)检验法　　(1)计算统计量　　μ＝(X1+X2+…+Xn)/n 　　s=(∑(Xi-μ)/(n-1))½(i=1,2…n) 　　Gn=(X(n)-μ)/s 　　式中μ——样本平均值；　　s——样本标准差；　　Gn——格拉布斯检验统计量。　　(2)确定检出水平α，查表（见GB4883）得出对应n，α的格拉布斯检验临界值G1-α(n)。　　(3)当Gn>G1-α(n),则判断Xn为异常值，否则无异常值。　　(4)给出剔除水平α’的G1-α’(n),当当Gn>G1-α’(n)时,Xn为高度异常值，应剔除。　　三、格拉布斯检验法在回弹法检测砼强度中的应用　　将测区混凝土强度换算值按从小到大的顺序排列f1、f2、…fn，计算格拉布斯检验统计量：　　Gn=(fn-m)/s 　　Gn’=(m-f1)/s 　　式中m——测区混凝土强度换算值的平均值；　　s——测区混凝土强度标准差。　　取检出水平α为5%，剔除水平α’为1%，按双侧情形检验，从附表中查得检出水平α对应格拉布斯检验临界值G0.975,剔除水平α’对应格拉布斯检验临界值G0.995。　　若Gn>Gn’，且Gn>G0.975，则判断fn为异常值，否则，判断无异常值；　　若Gn>Gn’，且Gn>G0.995，则判断fn为高度异常值，可考虑剔除；　　若Gn’>Gn，且Gn’>G0.975，则判断f1为异常值，否则，判断无异常值；　　若Gn’>Gn，且Gn’>G0.995，则判断f1为高度异常值，可考虑剔除；　　分析异常值出现原因，判断异常值是否舍弃。不得随意舍去异常值，应检查异常值出现是否系材料或施工质量变化等原因所致。　　若检出了一个异常值，对除去已检出异常值后余下得数值继续用格拉布斯检验法检验，直到不能检出异常值为止。

806次 2020-08-01
异众比率

　　异众比率（variation ratio）是统计学名词，指非众数组的频数占总频数的比例。　　异众比率的计算公式为：　　　　其中Vr表示异众比率，∑f i为变量值的总频数；∑f m为众数组的频数。　　异众比率主要用于衡量众数对一组数据的代表程度。异众比率越大，说明非众数组的频数占总频数的比重越大，众数的代表性就越差；异众比率越小，说明非众数组的频数占总频数的比重越小，众数的代表性越好。　　譬如，我们通过计算求出一项50人调查中，购买其它品牌饮料（指除可口可乐之外的品牌）的人数达到70%的异众比率，异众比率比较大，那么，说明用“可口可乐”来代表消费者购买饮料品牌的状况，其代表性比较差，其众数代表性就不是很明显。　　异众比率主要适合测度分类数据的离散程度，当然，对于顺序的数据以及数值型数据也可以计算异众比率。

675次 2020-08-01
建设阶段投资占用期

　　建设过程中投资滞留在未完工程的平均持续时间。

639次 2020-08-01
建设周期

　　指建设总规模与年度建设规模的比值。它反映国家、一个地区或行业完成建设总规模平均需要的时间，同时也反映建设速度与建设过程中人力、物力和财力集中的程序。作为考查投资效益的重要指标，可用总投资额与年度投资额表示。即：　　建设周期（年）=总投资格/年度投资额　　　也可用项目总个数与年度竣工项目个数表示，即：建设周期（年）=项目总个数/年建成项目个数。　　全国或一个地区、一个部门在一定时期内，所有施工项目全部建成平均需要的时间。反映建设速度，分析宏观经济投资效果的重要指标。建设周期的计算，不建设周期仅包括计算期内建成投产的项目，也包括未建成投产的在建工程。建成投产项目所占比重越大，建设周期就越短；相反，未完建设工程越多，建设周期就越长。建设周期拖长，会使固定资产交付使用率下降，未完工程占用率上升。　　建设周期的计算方法主要有：①按全部施工项目的计划总投资额与全年完成的施工项目投资额进行对比，求得全部建成平均需要的时间（年）。它反映按照当年投资水平，全部完成在建项目的计划总投资需要的时间。②按全年施工项目个数与建成投产项目个数进行对比，求得全部建成平均需要的时间。它表明按照当年的投产率，全部建成全年施工项目需要的时间。这种方法计算简便，但项目有大有小，它们的建设工期长短各异，需要注意项目构成的变化对建设周期的影响。　　缩短建设周期对加快现代化建设具有十分重要的意义。合理确定基本建设投资规模，适当控制基本建设项目数量，集中力量保证计划期内投产项目按期竣工，以及合理压缩未完建设工程数量，是缩短建设周期的重要措施。

534次 2020-08-01
建筑总产值

　　建筑总产值（建筑工作量）：企业在一定时期内生产的，以货币表现的建筑产品总量。

639次 2020-08-01
应用随机过程概率模型导论

图书信息　　书名: 应用随机过程:概率模型导论作　者：罗斯(SheldonM.Ross) 　　出版社：人民邮电出版社　　出版时间： 2011年2月1日　　ISBN: 9787115247070 　　开本： 16开　　定价: 99.00元内容介绍　　本书是国际知名统计学家Sheldon M．Ross所著的关于基础概率理论和随机过程的经典教材，被加州大学伯克利分校、哥伦比亚大学、普度大学、密歇根大学、俄勒冈州立大学、华盛顿大学等众多国外知名大学所采用。与其他随机过程教材相比，本书非常强调实践性，内含极其丰富的例子和习题，涵盖了众多学科的各种应用；作者富于启发而又不失严密性的叙述方式，有助于读者建立概率思维方式，培养对概率理论、随机过程的直观感觉。对那些需要将概率理论应用于精算学、运筹学、物理学、工程学、计算机科学、管理学和社会科学的读者，本书是一本极好的教材或参考书。本书目录　　1　Introduction to Probability Theory　1 　　1.1　Introduction　1 　　1.2　Sample Space and Events　1 　　1.3　Probabilities Defined on Events　4 　　1.4　Conditional Probabilities　7 　　1.5　Independent Events　10 　　1.6　Bayes' Formula　12 　　Exercises　15 　　References　21 　　2　Random Variables　23 　　2.1　Random Variables　23 　　2.2　Discrete Random Variables　27 　　2.3　Continuous Random Variables　34 　　2.4　Expectation of a Random Variable　38 　　2.5　Jointly Distributed Random Variables　43 　　2.6　Moment Generating Functions　64 　　2.7　Limit Theorems　77 　　2.8　Stochastic Processes　83 　　Exercises　85 　　References　96 　　3　Conditional Probability and Conditional Expectation　97 　　3.1　Introduction　97 　　3.2　The Discrete Case　97 　　3.3　The Continuous Case　102 　　3.4　Computing Expectations by Conditioning　105 　　3.5　Computing Probabilities by Conditioning　119 　　3.6　Some Applications Exercises　136 　　Exercises　161 　　4　Markov Chains　181 　　4.1　Introduction　181 　　4.2　Chapman-Kolmogorov Equations　185 　　4.3　Classification of States　189 　　4.4　Limiting Probabilities　200 　　4.5　Some Applications　213 　　4.6　Mean Time Spent in Transient States　226 　　4.7　Branching Processes　228 　　4.8　Time Reversible Markov Chains　232 　　4.9　Markov Chain Monte Carlo Methods　243 　　4.10　Markov Decision Processes　248 　　Exercises　252 　　References　268 　　5　The Exponential Distribution and the Poisson Process　269 　　5.1　Introduction　269 　　5.2　The Exponential Distribution　270 　　5.3　The Poisson Process　288 　　5.4　Generalizations of the Poisson Process　316 　　Exercises　330 　　References　348 　　6　Continuous-Time Markov Chains　349 　　6.1　Introduction　349 　　6.2　Continuous-Time Markov Chains　350 　　6.3　Birth and Death Processes　352 　　6.4　The Transition Probability Function Pij (t)　359 　　6.5　Limiting Probabilities　368 　　6.6　Time Reversibility　376 　　6.7　Uniformization　384 　　6.8　Computing the Transition Probabilities　388 　　Exercises　390 　　References　399 　　7　Renewal Theory and Its Applications　401 　　7.1　Introduction　401 　　7.2　Distribution of N(t)　403 　　7.3　Limit Theorems and Their Applications　407 　　7.4　Renewal Reward Processes　416 　　7.5　Regenerative Processes　425 　　7.6　Semi-Markov Processes　434 　　7.7　The Inspection Paradox　437 　　7.8　Computing the Renewal Function　440 　　7.9　Applications to Patterns　443 　　7.10　The Insurance Ruin Problem　455 　　Exercises　460 　　References　472 　　8　Queueing Theory　475 　　8.1　Introduction　475 　　8.2　Preliminaries　476 　　8.3　Exponential Models　480 　　8.4　Network of Queues　496 　　8.5　The System M/G/1　507 　　8.6　Variations on the M/G/1　510 　　8.7　The Model G/M/1　519 　　8.8　A Finite Source Model　525 　　8.9　Multiserver Queues　528 　　Exercises　534 　　References　546 　　9　Reliability Theory　547 　　9.1　Introduction　547 　　9.2　Structure Functions　547 　　9.3　Reliability of Systems of Independent Components　554 　　9.4　Bounds on the Reliability Function　559 　　9.5　System Life as a Function of Component Lives　571 　　9.6　Expected System Lifetime　580 　　9.7　Systems with Repair　586 　　Exercises　593 　　References　600 　　10　Brownian Motion and Stationary Processes　601 　　10.1　Brownian Motion　601 　　10.2　Hitting Times, Maximum Variable, and the Gambler's Ruin Problem　605 　　10.3　Variations on Brownian Motion　607 　　10.4　Pricing Stock Options　608 　　10.5　White Noise　620 　　10.6　Gaussian Processes　622 　　10.7　Stationary andWeakly Stationary Processes　625 　　10.8　Harmonic Analysis of Weakly Stationary Processes　630 　　Exercises　633 　　References　638 　　11　Simulation　639 　　11.1　Introduction　639 　　11.2　General Techniques for Simulating Continuous Random Variables　644 　　11.3　Special Techniques for Simulating Continuous Random Variables　653 　　11.4　Simulating from Discrete Distributions　661 　　11.5　Stochastic Processes　668 　　11.6　Variance Reduction Techniques　679 　　11.7　Determining the Number of Runs　696 　　11.8　Coupling from the Past　696 　　Exercises　699 　　References　707 　　Appendix: Solutions to Starred Exercises　709 　　Index　749作者介绍　　国际知名统计学家，加州大学伯克利分校工业工程与运筹系教授。毕业于斯坦福大学统计系。研究领域包括：随机模型、仿真模拟、统计分析、金融数学等。罗斯教授是多本畅销数学和统计教材的作者。

477次 2020-08-01
总储蓄

　　总储蓄指可支配总收入用于最终消费后的余额。各部门的总储蓄之和称为国民总储蓄。　　国内生产总值是社会资金的初始流量。经过初次分配和再分配，形成各个机构部门及经济总体的初次分配收入总额和可支配收入总额。可支配收入总额扣除用于当期消费的部分以后，得到各个机构部门和经济总体的储蓄总额。储蓄总额和资本转移构成各个机构部门和经济总体可用于投资的资金来源。　　总储蓄和居民储蓄的概念不同，总储蓄是宏观的概念，是可支配收入减去最终消费后，用于一个国家或地区投资资金的主要来源，而居民储蓄则是指居民将闲置的货币资本交由银行等存款性金融机构在一定时期内有偿使用，到期收回本金和利息的一种信用方式。

853次 2020-08-01
抽样估计

　　　　抽烟估计又称为抽样推断，它是在抽样调查的基础上所进行的数据推测，即用抽样调查所得到的一部分单位的数量特征来估计和推算总体的数量特征。抽样估计是对总体进行描述的另一种重要方法。它具有花费小、适用性强、科学性高等特点。因此，国内外在许多领域都广泛地运用抽样推断来搜集和分析统计资料。抽样估计的特点　　1.抽样估计运用的是归纳推理方法　　2.抽样估计运用的是概率原理　　3.抽样估计的结论存在着一定得抽样误差

640次 2020-08-01

上一页
1
2
3
4
24
…
55
下一页

金融问答

企业服务

金号角服务号

获取金融需求商机成功快人一步

金号角商讯

关注金融商讯了解实时动态

关于我们| 服务项目| 联系我们| 诚聘英才| 友情链接| 网址地图| 服务条款| 法律声明

Copyright © 2019 www.jinhaojiao.cn All Rights Reserved 中国专业金融信息互动平台 - 金号角网湘ICP备14015574号-2

金号角网竭力提供准确而可靠资料，但并不保证资料绝对无误，若有错漏而令阁下蒙受损失，本网概不负责，融资有风险，操作须谨慎。

服务热线：18508479116