應(yīng)用統(tǒng)計分析部分doc19-質(zhì)量工具-資料下載頁
2025-08-08 15:44本頁面
【導(dǎo)讀】抽樣的目的是用被抽取部分個體所求得的數(shù)值推斷總體的數(shù)量特征。特別樣本個數(shù)就是樣本容量；樣本取值就。等于總體的方差除以樣本容量。存在，從總體中隨機相互獨立抽取n個樣本，放回抽樣時p~～PN(，如果總體1：X～),(211??如果總體2：Y～),(222??N，抽n2個樣本，?是第i組內(nèi)資料的方差，取各類型樣本方差的加權(quán)數(shù)綜合?？傮w分為R個群，每群含為M個單位。設(shè)ijx為第i個群中的第j個單位的標。估計所要的信息；具體思路：用樣本統(tǒng)計量估計總體參數(shù)。的無偏估計量；則???選擇兩個統(tǒng)計量??2]稱為置信水平為1－?置信概率；實有意義：有100（1-?xe；記作：x～N（2,??
【正文】 ，顯示結(jié)果如下： Y=+++ 此資料來自 企業(yè) () , 大量管理資料下載 16 (t=) (t=) (t=) R2= F= D? W= 對顯示的結(jié)果進行判斷： （ 1） R2=，說明回歸方程具有良好的擬合 優(yōu)度 （ 2） 顯著性水平 ?? ，查 F 分布表得臨界值 (3,21)=,而F=， 說明該方程在 99%的顯著水平下仍是顯著成立的。 （ 3） 顯著性水平 ?? ，查 t 分布表得臨界值 (21)=,顯然|t1|=8； |t2|=。|t3|=,這說明解釋變量 X1在 95%的概率水平下顯著； X2， X3 則在該概率水平下不顯著。 顯著性水平 ?? ，查 t 分布表得臨界值 (21)=,顯然 |t3|=,說明解釋變量 X3 在 90%的概率水平下顯著。 顯著性水平 ?? ，查 t 分布表得臨界值 (21)=,顯然 |t2|=,說明解釋變量 X2 在 80%的概率水平下顯著。 由此可見，決定是否剔除某個解釋變量需持慎重態(tài)度，在該模型中，三個解釋變量都可以保留。 （ 4）顯著性水平 ?? ，查 D? W 分布表得： d1=,dv= 而 dl D? W=dv,根據(jù)檢驗，在 95%的概率水平下，不能判斷模型的自相關(guān)狀態(tài)。 第四章：模擬分析 問題：線性規(guī)劃 動態(tài)規(guī)劃 都假設(shè)所有數(shù)據(jù)是事先確定的已知的，不包含概率因素 網(wǎng)絡(luò)理論 的。實際情況很少有符合分析模型的假設(shè)，環(huán)境不確定性 離散決策 和復(fù)雜性，使現(xiàn)實中這些現(xiàn)象極為少見。 模擬：可以解決問題 ( 不滿足分析建模的標準方法所規(guī)定的假設(shè) ) 模擬的定 義： 是建立系統(tǒng)或決策問題的數(shù)學(xué) (或邏輯 )模型，并以該模型進行試檢，以獲得對系統(tǒng)行為的認識或幫助解決決策問題的過程。 定義中的兩個要素：一是 模型 ：它將問題或系統(tǒng)的任何適當(dāng)假設(shè)模型化（模型是對實際系統(tǒng)思想或客體的抽象描述）；二是 模擬 ：用模型進行試驗并分析結(jié)果。 模型的不同分類： 模型 分類： 規(guī)定型模型：它決定著最優(yōu)策略或最佳行動過程 描述型模型：直接描述關(guān)系和提供評價信息，它用于解釋系統(tǒng)行為，預(yù)測輸入規(guī)劃過程的未來事件，并幫助決策者選擇滿意方案和系統(tǒng)設(shè)計 確定性：（數(shù)據(jù)已知或假設(shè)已知） 模型 分類： 概率型：（數(shù)據(jù)由概率分布決定） 此資料來自 企業(yè) () , 大量管理資料下載 17 模型 分類： 離散型：變量隨時間跳躍的變動 連續(xù)型：變量隨時間連續(xù)的變動 模擬模型的類型： 蒙特卡洛模擬模型 (Monte Carlo simulation) 系統(tǒng)模擬模型 (System simulation) 蒙特卡洛模擬模型 ：基本上是抽樣試驗，其目的是估計以若干概率輸入變量而獲得結(jié)果變量的分布。它常被用于估計策略變動的預(yù)期影響和決策所涉風(fēng)險。 例： Monte Carlo VAR 模擬法 Monte Carlo模擬法是基于歷史數(shù)據(jù)或既定分布的條件下的參數(shù)特征，借助隨機數(shù)產(chǎn)生的模擬方法模擬出大量的資產(chǎn)組合收益的數(shù)值，然后構(gòu)造資產(chǎn)組合收益的經(jīng)驗分布函數(shù)，通過對經(jīng)驗分布函數(shù)的逆變換可求得 VAR 值。 假定 Y 是絕對連續(xù)累積分布函數(shù)的隨機變量，對于 0q1，令 Yq表示唯一的值，使得： ? ? qyYPyF qqy ???)( 即就是： Yq是 Y 的分位點。當(dāng) Fy連續(xù)時， )(1 qFYq ?? 即 Yq的統(tǒng)計量通過對隨機變量 Y 的經(jīng)驗分布的逆變換求得。 假定 Y1， Y2，?， Yn是隨機變量 Y的 n個獨立同分布的觀察變量，則 Y的經(jīng)驗分布為： 其中： 故標準的統(tǒng)計量： 結(jié)論：分位點 Yq的估計有兩種方法 ① 構(gòu)造隨機變量 Y的累積經(jīng)驗分布 )(yFy? ，然后通過對隨機變量 Y 的經(jīng)驗分布進行逆變換獲得。即 ② 直接由樣本構(gòu)造分位數(shù) Yq. 即 ??? ?? ni iny yYlyF 11 )()(??? ?? yY yYylii ?若若01)()(1 qFyq ??? ?)(1 qFyq ??? ?)(1 qFyq ??? ?此資料來自 企業(yè) () , 大量管理資料下載 18 例：假定基金當(dāng)前價值為 1000 萬元，基金經(jīng)理的目標是計算基金在 95%置信水平上（即 ? =）的每日 VAR 值。 Step1:通過計算機模擬，創(chuàng)建 1001 個觀察值組成的市場指數(shù)時間序列，為了獲得一個參差不齊的序列，使其更接近現(xiàn)實的股票指數(shù)走勢形態(tài)，所選模型為： It=? + It1+ It1 et1+et 其中， ? 為漂移率（一般取值在 80～ 100） {et}為新息向量， et服從均值為 0、方差為 1的標準正態(tài)分布。 It=t1(初始值 )=股票市 場指數(shù)值 Step2:把 1001 個市場指數(shù)數(shù)據(jù)利用市場指數(shù)收益率測算 公式： 轉(zhuǎn)化為 1000 個市場指數(shù)收益率序列。 Step3:利用這 1000 個市場指數(shù)收益率序列，模擬計算基金收益率一天范圍內(nèi)的 1000 個可能值，然后把基金模擬變化值進行排序，就可以看出頻率分布形狀。 Step4:找出全部模擬變化值最“左側(cè)”的 5%的絕對值就是日 VAR。 注 ： ①對不同時間范圍的 VAR 的計算采用 1天的 VAR 乘以 t 的方法。 ② VAR 與 ? 成負相關(guān)； VAR 與時間范圍成正相關(guān) ③模擬次數(shù)的選?。涸??? 時，估計臨界值的概率超過 95%的模擬次數(shù)至少為 576 次；估計臨界值的概率超過 96%的模擬次數(shù)至少為 4600 次。 系統(tǒng)模擬模型： 建立隨時間推移而出現(xiàn)的事件序列模型 例：若進貨數(shù)量 Q 銷售需求 D，利潤 R 的關(guān)系如下： R＝ +6(QD) 若 D≤ Q 在 D＞ Q 若令 Q＝ 60（訂貨量確定） 需求量取值： 40 1/6 50 1/6 60 1/6 11????tttt I IIR此資料來自 企業(yè) () , 大量管理資料下載 19 70 1/6 80 1/6 90 1/6 模擬過程： 1） 建立所研究系統(tǒng)或問題的優(yōu)化模型 2） 建立模擬模型 3） 驗證和確定模型 4） 設(shè)計利用模型試驗 5） 進行實驗并分析結(jié)果
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1