-
题名组内常相关样本的抽样分布
- 1
-
-
作者
张荣基
张树美
杨静梅
-
机构
广西民族学院数学与计算机科学系
河北科技大学高新学院
-
出处
《河北科技大学学报》
CAS
2003年第1期73-76,共4页
-
基金
广西民族学院资助课题(02SJX0007)
-
文摘
生物中的家畜育种试验,不同亲本的后代,它们的初生体重是相互独立的;而同一亲本的后代,由于受到共同亲本遗传相关的影响,彼此之间具有相关性。文章以此为背景,讨论从正态总体中分组抽样,在组间的个体相互独立,组内具有常相关情形下的抽样分布问题,给出了服从U,X^2,t分布的几个统计量,改进了家畜实验中数据的统计分析方法。
-
关键词
常相关
抽样分布
统计推断
-
Keywords
constant correlation
sampling distribution
statistical inference
-
分类号
O212.2
[理学—概率论与数理统计]
-
-
题名组内常相关方差分析的多重比较
- 2
-
-
作者
张荣基
-
机构
广西民族学院数学与计算机科学系
-
出处
《河北科技大学学报》
CAS
1998年第4期36-39,共4页
-
基金
广西民族学院重点资助课题
-
文摘
就从k个独立正态总体N（μ<sub>i</sub>,σ<sup>2</sup>）中分别抽取的常相关样本,经方差分析否定H<sub>0</sub>:μ<sub>1</sub>=μ<sub>2</sub>=…=μ<sub>k</sub>之后,进一步讨论部分总体均值之间差异显著性的统计检验问题。
-
关键词
方差分析
相关分析
统计分析
常相关
多重比较
-
Keywords
variance analysis
correlation analysis
statistical analysis
constant correlation,multiple comparisions
-
分类号
O212.1
[理学—概率论与数理统计]
-
-
题名抽样分布定理的推广
被引量：3
- 3
-
-
作者
张荣基
张树美
-
机构
广西民族学院数学与计算机科学系
-
出处
《河北科技大学学报》
CAS
1999年第4期36-39,共4页
-
基金
广西民族学院科研基金
-
文摘
将基于简单随机样本的抽样分布定理，推广到异方差样本和常相关样本的情形，为研究非简单随机样本的统计推断理论与应用作基础。
-
关键词
异方差
常相关
抽样分布
随机抽样
-
Keywords
heteroscedasticity
constant correlation
sampling distribution.
-
分类号
O212.2
[理学—概率论与数理统计]
-
-
题名关于一类非简单随机子样统计量分布
被引量：1
- 4
-
-
作者
吴奇峰
-
机构
韶关大学数学系
-
出处
《华南师范大学学报（自然科学版）》
CAS
1998年第3期91-95,共5页
-
文摘
经典的参数假设检验是基于简单随机子样，但许多场合是无法取得简单随机子样的．本文就非独立常相关子样给出几个抽样分布定理，其结果在生物体遗传，某些经济分析、教育评估上都有广泛的应用前景．
-
关键词
正态分布
常相关
统计量
抽样分布理论
-
Keywords
normal distribution
constant correlation
statistic
χ2-distribution
t-distribution
F-distribution
-
分类号
O212.2
[理学—概率论与数理统计]
-
-
题名风电场输出功率的多时段联合概率密度预测
被引量：23
- 5
-
-
作者
杨明
朱思萌
韩学山
王洪涛
-
机构
电网智能化调度与控制教育部重点实验室(山东大学)
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2013年第10期23-28,共6页
-
基金
国家自然科学基金资助项目(51007047
51077087)
+2 种基金
国家高技术研究发展计划(863计划)资助项目(2011AA05A101)
高等学校博士学科点专项科研基金资助项目(20100131120039)
山东省自然科学基金资助项目(ZR2010EQ035)~~
-
文摘
风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义。文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息。结合多元回归估计常条件相关—多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。应用实例与分析说明了该方法的有效性。
-
关键词
电力系统
风电预测
联合概率密度预测
稀疏贝叶斯学习
常条件相关—多元广义自回归条件异方差模型
-
Keywords
power system
wind power forecast
joint probability density forecast
sparse Bayesian learning
constant conditional correlation-multivariate generalized auto regressive conditional heteroskedasticity（CCC-MGARCH） model
-
分类号
TM614
[电气工程—电力系统及自动化]
-
