H3以往學(xué)者常用偏態(tài)系數(shù)與峰態(tài)系數(shù)來(lái)判斷概率密度分布圖,標(biāo)準(zhǔn)正態(tài)分布偏態(tài)系數(shù)為0,峰態(tài)系數(shù)為3,圖8作出了消力池內(nèi)各測(cè)點(diǎn)的偏態(tài)系數(shù)與峰態(tài)系數(shù),圖中消力池內(nèi)的偏態(tài)系數(shù)分布在0左右,收縮比愈大,越趨于正偏,偏態(tài)系數(shù)大于0時(shí),出現(xiàn)像圖4(e)這種負(fù)值脈動(dòng)偏小,正值脈動(dòng)偏大的現(xiàn)象,反之,消力池后端偏態(tài)系數(shù)小于0,呈負(fù)偏分布,正值脈動(dòng)小于負(fù)值脈動(dòng),分析原因,消力池跌坎后形成橫軸漩渦,水流持續(xù)間斷拍擊底板,造成正偏,消力池后段,受底板反彈與尾坎阻水作用,水流產(chǎn)生向上的

信區(qū)間；對(duì)于服從偏態(tài)分布的定量資料，應(yīng)采用M（Qr）表達(dá)，不應(yīng)采用±s表達(dá)。對(duì)于定量資料和定性資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類(lèi)型、資料所具備的條件和分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用t檢驗(yàn)、單因素方差分析或χ2檢驗(yàn)。要避免用直線回歸方程描述有明顯曲線變化趨勢(shì)的資料，不宜用相關(guān)分析說(shuō)明兩種檢測(cè)方法之間吻合程度的高低。使用相對(duì)數(shù)時(shí)，分母不宜小于20；要注意區(qū)別百分率與百分比。統(tǒng)計(jì)學(xué)符號(hào)按GB 3358—1982《統(tǒng)計(jì)學(xué)名詞及符號(hào)》的有關(guān)規(guī)定書(shū)寫(xiě)，一律用

像的色階分布呈現(xiàn)偏態(tài)性,并構(gòu)建了RGB圖像紅(R)、綠(G)、藍(lán)(B)3個(gè)顏色通道及灰度(Y)圖像的均值、中位數(shù)、眾數(shù)、偏度、峰度等5類(lèi)20個(gè)參數(shù),擴(kuò)展了RGB顏色模型的參數(shù)維度[17],讓研究人員可以從顏色深淺度、分布偏向度和色彩集中度3個(gè)維度更為精準(zhǔn)地描述葉色狀態(tài),部分研究人員已驗(yàn)證了偏態(tài)參數(shù)對(duì)作物產(chǎn)量評(píng)估、SPAD值擬合、葉色-積溫反演中的促進(jìn)作用[17-19]。綜上所述,為了能夠更準(zhǔn)確地利用葉片數(shù)碼圖像對(duì)煙草氮素進(jìn)行定量描述,本研究以煙草鮮葉作為研

分布）；第2種（偏態(tài)分布一）為兩樣本服從偏度系數(shù)為1.5，峰度系數(shù)為3.0 的偏態(tài)分布；第3 種（偏態(tài)分布二）為兩樣本服從偏度系數(shù)為1.0，峰度系數(shù)為2.0 的偏態(tài)分布[12]。對(duì)以上三個(gè)因素的不同水平進(jìn)行全排列構(gòu)建75 種（5 種樣本量×5 種均數(shù)差×3 種總體分布）情景，每種生成10 000 個(gè)模擬數(shù)據(jù)集。1.2 檢驗(yàn)方法基于Bootstrap 法估計(jì)均數(shù)差的置信區(qū)間。采用Bootstrap 重抽樣技術(shù)對(duì)模擬數(shù)據(jù)集進(jìn)行1 000次重抽樣構(gòu)建兩樣本均數(shù)差

信區(qū)間；對(duì)于服從偏態(tài)分布的定量資料，應(yīng)采用M（Qr）表達(dá)，不應(yīng)采用表達(dá)。對(duì)于定量資料和定性資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類(lèi)型、資料所具備的條件和分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用t檢驗(yàn)、單因素方差分析或χ2檢驗(yàn)。要避免用直線回歸方程描述有明顯曲線變化趨勢(shì)的資料，不宜用相關(guān)分析說(shuō)明兩種檢測(cè)方法之間吻合程度的高低。使用相對(duì)數(shù)時(shí)，分母不宜小于20；要注意區(qū)別百分率與百分比。統(tǒng)計(jì)學(xué)符號(hào)按GB 3358—1982《統(tǒng)計(jì)學(xué)名詞及符號(hào)》的有關(guān)規(guī)定書(shū)寫(xiě)，一律用斜體

分布強(qiáng)正態(tài)分布是偏態(tài)分布[1-2]的一種.1985年，Azzalini首次提出偏態(tài)分布理論.2007年，Gupta[3]在利用偏態(tài)分布分析偏態(tài)單峰密度的數(shù)據(jù)時(shí)通過(guò)大量的模擬研究，提出了一種可行性較強(qiáng)的傾斜模型，將正態(tài)分布作為其中的一個(gè)特例，命名為強(qiáng)正態(tài)分布，并做出如下定義：如果隨機(jī)變量X具有累積分布函數(shù)[4]FX(x；α)=P(X≤x)=(Φ(x))α，-∞0，則稱(chēng)其服從強(qiáng)正態(tài)分布，其中Φ(·)表示標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)[5].1.2 Capula函數(shù)19

中的收入水平分布偏態(tài)系數(shù)和基尼系數(shù)，研究我國(guó)新時(shí)代共同富裕的發(fā)展進(jìn)程，提出實(shí)現(xiàn)共同富裕的路徑，為更好地實(shí)現(xiàn)共同富裕和中華民族偉大復(fù)興的中國(guó)夢(mèng)助力。二、新時(shí)代共同富裕的經(jīng)濟(jì)學(xué)解讀（一）新時(shí)代中國(guó)居民收入水平的解讀可支配收入代表了居民的真實(shí)收入水平，全面地涵蓋了居民生活中的工資性收入、經(jīng)營(yíng)性收入、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入四大收入來(lái)源。將全國(guó)居民家庭人均可支配收入按照數(shù)額大小進(jìn)行排序，取數(shù)額最大的20%家庭收入定義為20%高收入組家庭人均可支配收入，取數(shù)額最小的2

是因?yàn)榕ぞ剌d荷偏態(tài)分布于小載荷上，即150 N·m 以下，選取較小的β可以更多地考慮中小扭矩，對(duì)兩者的等效比較更具備實(shí)際意義。2.2 分布的估計(jì)和檢驗(yàn)對(duì)幅值載荷概率密度函數(shù)（probability density function，PDF）的估計(jì)和分布估計(jì)的準(zhǔn)確性檢驗(yàn)是獲得正確外推載荷的基礎(chǔ)。PDF的選擇是多樣的，包括正態(tài)、威布爾、伽馬和偏態(tài)分布等。準(zhǔn)確評(píng)估PDF中的參數(shù)，是合理擬合幅值頻次分布的前提。PDF參數(shù)的估計(jì)方法包括：點(diǎn)估計(jì)、如最大似然估計(jì)（m

信區(qū)間；對(duì)于服從偏態(tài)分布的定量資料，應(yīng)采用M（Qr）表達(dá)，不應(yīng)采用表達(dá)。對(duì)于定量資料和定性資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類(lèi)型、資料所具備的條件和分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用t檢驗(yàn)、單因素方差分析或χ2檢驗(yàn)。要避免用直線回歸方程描述有明顯曲線變化趨勢(shì)的資料，不宜用相關(guān)分析說(shuō)明兩種檢測(cè)方法之間吻合程度的高低。使用相對(duì)數(shù)時(shí)，分母不宜小于20；要注意區(qū)別百分率與百分比。統(tǒng)計(jì)學(xué)符號(hào)按GB 3358—1982《統(tǒng)計(jì)學(xué)名詞及符號(hào)》的有關(guān)規(guī)定書(shū)寫(xiě)，一律用斜體

信區(qū)間；對(duì)于服從偏態(tài)分布的定量資料，應(yīng)采用M（Qr）表達(dá)，不應(yīng)采用表達(dá)。對(duì)于定量資料和定性資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類(lèi)型、資料所具備的條件和分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用t檢驗(yàn)、單因素方差分析或χ2檢驗(yàn)。要避免用直線回歸方程描述有明顯曲線變化趨勢(shì)的資料，不宜用相關(guān)分析說(shuō)明兩種檢測(cè)方法之間吻合程度的高低。使用相對(duì)數(shù)時(shí)，分母不宜小于20；要注意區(qū)別百分率與百分比。統(tǒng)計(jì)學(xué)符號(hào)按GB 3358—1982《統(tǒng)計(jì)學(xué)名詞及符號(hào)》的有關(guān)規(guī)定書(shū)寫(xiě)，一律用斜體

特征暫態(tài)零模電流偏態(tài)系數(shù)的有源配電網(wǎng)單相故障定位方法黃 飛1，陳紀(jì)宇2，戴 健1，歐陽(yáng)金鑫2，劉 佳1，范昭勇3(1.國(guó)網(wǎng)重慶市電力公司電力科學(xué)研究院，重慶 401123；2.輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(重慶大學(xué))，重慶 400044；3.國(guó)網(wǎng)重慶市電力公司，重慶 400015)含分布式電源的配電網(wǎng)是新型電力系統(tǒng)的重要組成部分，但分布式電源接入導(dǎo)致配電網(wǎng)的故障形態(tài)變得復(fù)雜，特別是使得中性點(diǎn)經(jīng)消弧線圈接地的配電網(wǎng)單相故障特征進(jìn)一步被弱化，配電

SPAD值-葉色偏態(tài)參數(shù)的空間擬合模型，進(jìn)一步驗(yàn)證了葉色分布變化的雙向性(深淺變化及分布區(qū)域變化)，說(shuō)明葉色偏態(tài)參數(shù)能夠更為精確地反應(yīng)葉色變化過(guò)程。【研究切入點(diǎn)】目前研究大多集中在對(duì)相同葉位不同成熟度的識(shí)別上，鮮見(jiàn)不同葉位不同成熟度的智能識(shí)別技術(shù)相關(guān)研究?！緮M解決的關(guān)鍵問(wèn)題】引入葉色偏態(tài)參數(shù)，結(jié)合HSV色彩模型參數(shù)、葉面紋理參數(shù)及葉型參數(shù)，組合成葉片圖像復(fù)合參數(shù)集，運(yùn)用多元回歸及BP神經(jīng)網(wǎng)絡(luò)構(gòu)建葉色參數(shù)-煙葉成熟度判定模型。通過(guò)比較不同參數(shù)體系、不同建模方

、變差系數(shù)Cv、偏態(tài)系數(shù)Cs對(duì)水文序列特征值進(jìn)行分析。1.2.1.1 均值均值取基準(zhǔn)期氣候均值和多年平均值2類(lèi)均值，基準(zhǔn)期氣候期均值以3個(gè)氣候期為討論時(shí)段，1961—1990年，該基準(zhǔn)期是目前國(guó)際上研究氣候變化時(shí)使用的基準(zhǔn)氣候期；1971—2000年；1981—2010年；后2個(gè)基準(zhǔn)期是最新的時(shí)段。本文采用多年平均值。均值計(jì)算公式：(1)1.2.1.2 標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差是刻畫(huà)觀測(cè)數(shù)據(jù)頻率分布離散程度的最重要物理量，計(jì)算方法：(2)(3)1.2.1.3 變差系數(shù)

“韭菜股”。中值偏態(tài)與股票的未來(lái)收益呈現(xiàn)顯著的負(fù)相關(guān)。我們采用的是個(gè)股特有的回報(bào)率分布偏度，即那些無(wú)法被市場(chǎng)、估值和規(guī)模因子所解釋的未知收益率的分布偏態(tài)。每個(gè)月，我們將全體A股按偏態(tài)由高到低進(jìn)行排序，采取等權(quán)重的方式構(gòu)建100個(gè)等份組合，來(lái)檢測(cè)偏態(tài)與未來(lái)收益率的相關(guān)性。我們的量化分析顯示，中值右偏組合的未來(lái)收益顯著高于其余組合，而中值左偏組合的未來(lái)收益普遍較低。也就是說(shuō)，右偏組合很可能是那些長(zhǎng)期跑贏、備受市場(chǎng)矚目的焦點(diǎn)股票，而“韭菜股”并不能為投資者帶來(lái)長(zhǎng)

μ，方差為σ2，偏態(tài)系數(shù)為0，峰態(tài)系數(shù)為注2 拉普拉斯分布(p=1)、正態(tài)分布(p=2)、均勻分布(p→∞)和退化分布(p→0)均為P-范分布的特例。1.2 P-范分布的近似表示設(shè)有兩個(gè)隨機(jī)變量X1和X2，其密度函數(shù)分別為f1(x)和f2(x).如果它們的數(shù)學(xué)期望、方差、偏態(tài)系數(shù)及峰態(tài)系數(shù)均相等，那么可以近似地認(rèn)為X1和X2具有相同的統(tǒng)計(jì)性質(zhì)，而且f1(x)與f2(x)近似相等(參見(jiàn)文獻(xiàn)[1].雖然這種觀點(diǎn)存在明顯的缺陷，但本文還是采用這種近似)。當(dāng)1≤p

，變差系數(shù)Cν，偏態(tài)系數(shù)Cs。5）查表獲取離均系數(shù)φp［3］，算每個(gè)累積頻率下φp對(duì)應(yīng)的流量qp，如式（8）所示。6）采用經(jīng)驗(yàn)適線法［4］，根據(jù)Cν、Cs的經(jīng)驗(yàn)值配線，Cs按照經(jīng)驗(yàn)一般選取2Cν、2.5Cν或3Cν［5］。7）根據(jù)實(shí)際情況選擇某個(gè)累積頻率下的流量作為生態(tài)基流，累積頻率一般根據(jù)實(shí)際情況選擇90%或95%［6］。流量數(shù)據(jù)的選取有多樣性，流量歷時(shí)曲線法可以計(jì)算多種條件的數(shù)據(jù)值，如年、季節(jié)、月、日、汛期、非汛期等尺度下的生態(tài)流量。由資料中所有日均流

、變差系數(shù)Cv、偏態(tài)系數(shù)Cs，對(duì)水文序列特征值進(jìn)行分析。（1）均值。均值取基準(zhǔn)期氣候均值和多年平均值2類(lèi)，基準(zhǔn)期氣候均值以3個(gè)氣候期為討論時(shí)段，一是1961—1990年，該基準(zhǔn)期是目前國(guó)際上研究氣候變化時(shí)使用的基準(zhǔn)氣候期；二是1971—2000年，三是1981—2010年，后2個(gè)基準(zhǔn)期是最新的時(shí)段。本文采用多年平均值。均值的計(jì)算可用下式表示：式中：為某一水文要素的平均值；xi為研究區(qū)域某點(diǎn)某時(shí)段的觀測(cè)值；當(dāng)取時(shí)間平均時(shí)，n就是研究時(shí)段內(nèi)所有的觀測(cè)時(shí)間數(shù)量。

B顏色模型色階為偏態(tài)分布，并揭示了RGB顏色模型偏態(tài)參數(shù)能夠準(zhǔn)確量化葉色與SPAD值的關(guān)系，這為使用RGB顏色模型判定鮮煙葉成熟度提供了新路徑。已有學(xué)者利用顏色模型來(lái)嘗試量化鮮煙葉成熟度［21-24］，但這些研究都集中在判定當(dāng)年生產(chǎn)的鮮煙葉熟度，而沒(méi)有對(duì)往年生產(chǎn)的煙葉成熟度進(jìn)行驗(yàn)證。為了能夠更準(zhǔn)確地判定鮮煙葉成熟度，并嘗試對(duì)多年度生產(chǎn)的煙葉進(jìn)行預(yù)測(cè)，將采收后的鮮煙葉片分為欠熟、成熟和過(guò)熟3類(lèi)，并分別提取這3類(lèi)葉片RGB圖像紅（Red，R）、綠（Green，

種：正態(tài)分布或者偏態(tài)分布[13-15]。在統(tǒng)計(jì)學(xué)中，常用的偏態(tài)分布特征參數(shù)有均值、中位數(shù)、眾數(shù)、偏度和峰度等，正態(tài)分布是一種特殊的數(shù)據(jù)分布模式，其特點(diǎn)是均值、中位數(shù)、眾數(shù)三者合一，偏度為0[16]。在以往的多數(shù)研究中，研究人員把植株冠層葉色分布當(dāng)作正態(tài)分布或者近似正態(tài)分布處理[17-19]，這導(dǎo)致獲得的統(tǒng)計(jì)量只有各通道均值一項(xiàng)，信息量較少，只能以各通道均值及其組合參數(shù)近似描述植物葉色深淺情況。同時(shí)，也忽略了其他參數(shù)在葉色定量描述中的意義，無(wú)法真實(shí)、準(zhǔn)確地描

頻率和離散系數(shù)、偏態(tài)系數(shù)和峰態(tài)系數(shù)的時(shí)間序列進(jìn)行分析得出結(jié)構(gòu)。居民消費(fèi)水平代表了國(guó)家或地區(qū)居民的一般消費(fèi)水平，農(nóng)村居民消費(fèi)水平體現(xiàn)了農(nóng)村居民的消費(fèi)質(zhì)量和生活水平，對(duì)評(píng)價(jià)和促進(jìn)農(nóng)村經(jīng)濟(jì)、生活發(fā)展，具有良好的參考依據(jù)，我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)村居民人口基數(shù)大，其消費(fèi)支出及消費(fèi)水平對(duì)于國(guó)民經(jīng)濟(jì)的發(fā)展影響比較大[1]。因此對(duì)我國(guó)農(nóng)村居民消費(fèi)水平現(xiàn)狀進(jìn)行分析具有非常重大的現(xiàn)實(shí)意義。1.數(shù)據(jù)來(lái)源和采用的統(tǒng)計(jì)分析方法（1）本文中所有涉及到的農(nóng)村居民消費(fèi)水平數(shù)據(jù)均來(lái)源于國(guó)家

波包系數(shù)的峭度和偏態(tài)，假設(shè)某一節(jié)點(diǎn)的小波包系數(shù)序列為X=[x(1),x(2),…,x(n)]，n表示信號(hào)長(zhǎng)度。時(shí)域信號(hào)的均方根、峭度和偏態(tài)分別如式(1)和式(2)所示：(1)(2)圖6 齒輪箱加速度信號(hào)的小波包系數(shù)對(duì)具有4種裂紋故障齒輪箱振動(dòng)信號(hào)的小波包系數(shù)分別進(jìn)行峭度和偏度的計(jì)算，其中，小波包節(jié)點(diǎn)9和13的峭度和偏態(tài)如圖7和圖8所示。圖7 小波包節(jié)點(diǎn)9的峭度和偏態(tài)圖8 小波包節(jié)點(diǎn)11的峭度和偏態(tài)圖7和圖8顯示，整體上節(jié)點(diǎn)9和11的峭度和偏態(tài)對(duì)齒輪裂紋長(zhǎng)度

布的峰度0。3 偏態(tài)分布人們會(huì)期望在邊際系數(shù)分布的偏度中看到某種尺度不變性。自然場(chǎng)景的整體是尺度不變的。這意味著，在給定尺度上定義的任何量，其統(tǒng)計(jì)量對(duì)該尺度的任何變化都是不變的。具體來(lái)說(shuō)，一個(gè)合理的假設(shè)是，斜度在整個(gè)尺度上應(yīng)該是恒定的。鑒于圖像是由所有距離的對(duì)象組成的事實(shí)，因此這似乎是明智的，因此不應(yīng)突出任何特定的角度比例。這并不意味著任何特定的圖像都是分形的！相反，場(chǎng)景的整體具有不變的統(tǒng)計(jì)量。場(chǎng)景的整體具有不變的統(tǒng)計(jì)量，場(chǎng)景的整體是尺度不變的，在給定尺度

方差分析、正態(tài)（偏態(tài)）分析、峰度分析，通過(guò)直方圖、柱狀圖等形式直觀反映出社區(qū)體育資源配置下居民參與體育行為的關(guān)系表征。1.2.4對(duì)比研究法將社區(qū)內(nèi)7歲以上的居民作為研究對(duì)象進(jìn)行研究，根據(jù)不同主體身份的居民參與社區(qū)體育行為進(jìn)行對(duì)比分析。采用原則唯一的邏輯思路，定性對(duì)不同年齡、不同職業(yè)、不同文化程度與體育行為的表現(xiàn)縱向分析，定量對(duì)項(xiàng)目年齡、相同職業(yè)、相同文化程度與體育行為的表現(xiàn)橫向比較，從而找到影響參與社區(qū)體育的制約因素。2 結(jié)果與分析體育活動(dòng)的形式是主體與行

根粗糙度、峰高、偏態(tài)以及粒徑大小等相關(guān)的表征參量.將其數(shù)據(jù)與對(duì)應(yīng)的物理知識(shí)結(jié)合，分析論證出完美吸收、微型芯片以及全固態(tài)電池等制作的工藝條件，可以為制備含Cu薄膜的復(fù)合陶瓷薄膜提供一些基本信息.1 薄膜的制備1.1 樣品的制備實(shí)驗(yàn)采用的襯底是邊長(zhǎng)為30 mm的正方形載玻片，膜料是直徑為6 mm、質(zhì)量分?jǐn)?shù)為99.99%的金屬銅絲.鍍膜前，依次用去離子水、丙酮、酒精和去離子水進(jìn)行超聲清洗，最后烘烤30 min.實(shí)驗(yàn)用DZS500熱蒸發(fā)系統(tǒng)在6個(gè)正方形載玻片上沉積

分布的離勢(shì)系數(shù)和偏態(tài)系數(shù)已知情況下，應(yīng)用經(jīng)典統(tǒng)計(jì)學(xué)理論分析均值的不確定性。首先推導(dǎo)樣本均值的分布函數(shù)，而后構(gòu)造輔助隨機(jī)變量并推導(dǎo)其分布函數(shù)，最后應(yīng)用輔助隨機(jī)變量分析總體均值的不確定性。2 方法介紹我國(guó)水文系列頻率分析普遍采用P-Ⅲ型分布，為更好分析其參數(shù)不確定性，提出了基于抽樣分布理論的P-Ⅲ型分布均值的不確定性分析方法，該方法是指當(dāng)隨機(jī)變量服從P-Ⅲ型分布時(shí)，采用抽樣分布理論分析其總體均值的不確定性，重點(diǎn)是研究總體均值的置信區(qū)間，分析該置信區(qū)間與樣本均值

位如48.2%。偏態(tài)分布的計(jì)量資料有效數(shù)字位數(shù)的確定：與搜集數(shù)據(jù)時(shí)的位數(shù)一致，即取決于采用儀器、工具或有關(guān)定量方法的靈敏度。正態(tài)分布的計(jì)量資料有效數(shù)字位數(shù)的確定：以標(biāo)準(zhǔn)差的 1/3 來(lái)決定，如：3.65±0.42，其標(biāo)準(zhǔn)差的1/3為0.14，小數(shù)點(diǎn)后第一位出現(xiàn)有效數(shù)字，則保留小數(shù)點(diǎn)后一位，即3.6±0.4；8.6±0.27，其1/3的標(biāo)準(zhǔn)差為0.09，小數(shù)點(diǎn)后第二位出現(xiàn)有效數(shù)字，則保留小數(shù)點(diǎn)后兩位，即8.60±0.27。

方圖就被稱(chēng)為“正偏態(tài)分布的計(jì)量資料”。圖1 30只老鼠腫瘤發(fā)展到特定尺寸所用時(shí)間(d)的頻數(shù)分布直方圖由圖1可知：頻數(shù)最多的組位于橫坐標(biāo)軸上偏向“左邊”的位置，右邊出現(xiàn)了較長(zhǎng)的“尾巴”。若采用一個(gè)叫“偏度系數(shù)g1”的公式計(jì)算，得到的結(jié)果為“g1>0”，故稱(chēng)具有這樣頻數(shù)分布的計(jì)量資料為“正偏態(tài)分布計(jì)量資料”。而圖2所顯示的直方圖被稱(chēng)為“負(fù)偏態(tài)分布的計(jì)量資料”。圖2 某地110名健康男性體重(kg)的頻數(shù)分布直方圖由圖2可知：頻數(shù)最多的組位于橫坐標(biāo)軸上偏向“右

為 0.1μm，偏態(tài) SK 的分別為取值 0.0、0.5、1.0、1.5。峰度 K 的取值范圍為（3～10）。由于非高斯粗糙表面生成具有隨機(jī)性，所以本文對(duì)于同一參數(shù)的粗糙表面分別生成十個(gè)，并分別計(jì)算求解了最大應(yīng)力，最后取平均值，以期獲得可靠的接觸規(guī)律。在粗糙表面接觸問(wèn)題，最大表面應(yīng)力是機(jī)械零部件的界面破壞分析和使用壽命設(shè)計(jì)的一個(gè)重要參考指標(biāo)。在不同峰度和正偏態(tài)粗糙表面下的最大切向應(yīng)力和最大接觸壓力（球-面微滑接觸參數(shù)見(jiàn)表1），如圖3所示。從圖中可以看出：對(duì)

提出一種適用于偏態(tài)分布的多樣本變異系數(shù)比較的平方秩檢驗(yàn),并與現(xiàn)有的D’AD與SRT方法進(jìn)行模擬比較。方法 借鑒Levene檢驗(yàn)的構(gòu)造思想,對(duì)原始數(shù)據(jù)做一種新的變換,由此構(gòu)造出一種適用于偏態(tài)分布的多樣本變異系數(shù)比較的MSRT檢驗(yàn)統(tǒng)計(jì)量。在不同參數(shù)設(shè)置下,經(jīng)過(guò)Monte Carlo模擬,比較新提出方法與現(xiàn)有方法的第一類(lèi)錯(cuò)誤率。同時(shí),將新提出方法與現(xiàn)有方法應(yīng)用于鉛致肝損傷指標(biāo)的數(shù)據(jù),對(duì)這些方法做進(jìn)一步的比較。結(jié)果 MSRT方法可以避免D’AD方法對(duì)樣本正態(tài)分布

進(jìn)行產(chǎn)品體驗(yàn)時(shí)的偏態(tài)感知數(shù)據(jù)，通過(guò)數(shù)據(jù)展示用戶的訴求和設(shè)計(jì)的不足。因此，在進(jìn)行產(chǎn)品創(chuàng)新活動(dòng)時(shí)，必須將用戶作為其創(chuàng)新活動(dòng)的核心所在[1]。而且，當(dāng)今市場(chǎng)競(jìng)爭(zhēng)形勢(shì)是十分激烈的，用戶的需求呈現(xiàn)出更加個(gè)性化、多元化的特征[2]。因此，企業(yè)在進(jìn)行產(chǎn)品創(chuàng)新時(shí)，應(yīng)當(dāng)如何結(jié)合用戶需求實(shí)現(xiàn)視覺(jué)傳導(dǎo)的有效設(shè)計(jì)，這是其創(chuàng)新活動(dòng)是否能夠成功的關(guān)鍵所在[3]。具體來(lái)講，可依據(jù)用戶對(duì)于產(chǎn)品的結(jié)構(gòu)、形式、色彩等方面的認(rèn)知，為創(chuàng)新產(chǎn)品的設(shè)計(jì)提供借鑒與思考，以此來(lái)確保實(shí)現(xiàn)產(chǎn)品的成功開(kāi)發(fā)，或

為此，本文引用了偏態(tài)參數(shù)，該參數(shù)值體現(xiàn)了數(shù)據(jù)的分布偏度情況，利用這一參數(shù)在標(biāo)準(zhǔn)Logistic分布的基礎(chǔ)上構(gòu)造了有偏Logistic分布。先對(duì)有偏Logistic分布進(jìn)行簡(jiǎn)單地研究。有偏Logistic分布[1]的密度函數(shù)為f(x;α)=它的分布函數(shù)為F(x;α)=偏態(tài)參數(shù)。以上記為第一類(lèi)有偏Logistic分布。還有一類(lèi)有偏Logistic分布函數(shù)為F(x;α)=1-應(yīng)的概率密度函數(shù)為f(x;α)=為第二類(lèi)有偏Logistic分布。由圖1和圖3可以看出：

)等人提出的平均偏態(tài)指數(shù)(Mean Skew Index)度量方法*Jacowitz K E, Kahneman D, “Measures of Anchoring in Estimation Tasks”, Personality and Social Psychology Bulletin, 1995, 21(11), pp.1161-1166.。1.錨定指數(shù)。錨定指數(shù)AI(Anchoring Index)是指對(duì)錨定效應(yīng)大小進(jìn)行量化的一種測(cè)度指標(biāo)，AI

r-Yanase偏態(tài)信息[1]是度量量子信息的一種有效方法,因其符合信息度量的所有要求[2],在其他領(lǐng)域被人們拓展[3-5]．Wigner-Yanase偏態(tài)信息度量量子信息的方法利用密度算符與觀察量算符的不對(duì)易程度,可以建立起量子的Cramer-Rao不等式與擴(kuò)展的不確定度關(guān)系,估計(jì)量子態(tài)演化的速度[6],以及解釋量子測(cè)量和統(tǒng)計(jì)干涉的關(guān)系．另外,該信息還能夠用來(lái)揭示糾纏的量子特性[7-8]．隨著對(duì)量子點(diǎn)分子的深入研究,了解到量子點(diǎn)分子雖然擁有著與常規(guī)分子相

)目標(biāo)變量分布的偏態(tài)程度,取正態(tài)、輕微偏態(tài)、中度偏態(tài)和嚴(yán)重偏態(tài)四個(gè)水平。設(shè)定輕微偏態(tài)分布的偏度為0.5,峰度為3;中度偏態(tài)的偏度為2,峰度為12;嚴(yán)重偏態(tài)的偏度為3,峰度為30。(4)考慮MNAR和MAR兩種缺失機(jī)制。研究共包括4×4×4×2=128種實(shí)驗(yàn)處理,每種實(shí)驗(yàn)處理重復(fù) 500次。應(yīng)用 Mplus軟件(Muthén,&Muthén,2007)進(jìn)行分析。分析所用的語(yǔ)句見(jiàn)附錄1和附錄2。4.2 數(shù)據(jù)生成與分析本研究采用 R語(yǔ)言生成符合不同模型假設(shè)并帶有

首先，文章建立了偏態(tài)系數(shù)和套利風(fēng)險(xiǎn)對(duì)現(xiàn)金股利影響的回歸模型，得出在股票具有正偏態(tài)特征的公司，市帳率與股利支付存在正相關(guān)關(guān)系。其次，檢驗(yàn)了偏態(tài)系數(shù)與套利風(fēng)險(xiǎn)交互作用對(duì)股利支付的影響，分析得出當(dāng)在股票具有正偏態(tài)特性且套利成本較高、交易量偏低、賣(mài)空成本較高的公司中，公司高管也更愿意發(fā)放較高的現(xiàn)金股利政策來(lái)迎合投資人情緒。但在股票異質(zhì)波動(dòng)度偏大的公司，高管人員制定股利政策時(shí)會(huì)更加理智，往往會(huì)考慮資金成本降低股利支付以留足資金投資于對(duì)公司成長(zhǎng)有利的項(xiàng)目中。博彩行為；

00）陜西省暴雨偏態(tài)系數(shù)分析李桃英1，宋品江2（1.陜西省水文水資源勘測(cè)局，陜西 西安 710068；2.陜西省漢中水文水資源勘測(cè)局，陜西 漢中 723000）采用全省126～633個(gè)長(zhǎng)系列 10 min、20 min、60 min、3 h、6 h、12 h、24 h和 3 d 8個(gè)標(biāo)準(zhǔn)歷時(shí)的暴雨資料，按照統(tǒng)一的方法并最優(yōu)適線原則，計(jì)算全省8種歷時(shí)點(diǎn)暴雨參數(shù)；分析偏變比在地域上的分布和隨歷時(shí)的變化規(guī)律，并與采用的3.5值計(jì)算成果進(jìn)行比較；利用線性分析對(duì)與各

模型模擬出了服從偏態(tài)分布的降雨量序列,并通過(guò)誤差分析得出了由AR(1)模型模擬的大量序列都較符合預(yù)報(bào)要求，故此模型在實(shí)際中可以對(duì)水文時(shí)間序列進(jìn)行偏態(tài)模擬。AR(1)模型； 水文時(shí)間序列； 自相關(guān)系數(shù)； 偏相關(guān)系數(shù)1 引言依據(jù)觀測(cè)到的多倫縣降雨量樣本序列建立隨機(jī)水文模型，由模型模擬出大量降雨量序列。雖然在水文隨機(jī)模擬中還存在一些問(wèn)題有待解決，如模型與參數(shù)的不確定性的影響，但水文隨機(jī)模擬技術(shù)的正確使用，將有助于在水資源工程的規(guī)劃設(shè)計(jì)和管理運(yùn)用中得到比應(yīng)用傳統(tǒng)方

5)從分?jǐn)?shù)分布的偏態(tài)系數(shù)和峰度系數(shù)出發(fā)，探討測(cè)驗(yàn)分?jǐn)?shù)分布的類(lèi)型及其內(nèi)涵，進(jìn)而研究分?jǐn)?shù)分布形態(tài)的應(yīng)用現(xiàn)狀。研究發(fā)現(xiàn)：關(guān)于學(xué)績(jī)測(cè)驗(yàn)分?jǐn)?shù)的分布狀態(tài)，目前存在對(duì)偏態(tài)分布概念混淆不清、簡(jiǎn)單否定偏態(tài)分布、盲目遵從正態(tài)分布等嚴(yán)重的使用誤區(qū)。研究結(jié)論：盲目遵從分?jǐn)?shù)正態(tài)分布可能導(dǎo)致教育的失敗。在一般的基于合格測(cè)驗(yàn)?zāi)康牡膶W(xué)績(jī)測(cè)驗(yàn)中，應(yīng)該努力避免出現(xiàn)分?jǐn)?shù)的正偏態(tài)分布，理性接受合理的負(fù)偏態(tài)分布。最后對(duì)相關(guān)研究的發(fā)展趨勢(shì)進(jìn)行了簡(jiǎn)要分析。學(xué)績(jī)測(cè)驗(yàn)；分?jǐn)?shù)分布 ；正偏態(tài)；負(fù)偏態(tài)1 引言學(xué)

使用股票報(bào)酬率的偏態(tài)系數(shù)與資本支出做回歸分析，得到偏態(tài)系數(shù)與資本支出呈正相關(guān)關(guān)系，說(shuō)明偏態(tài)系數(shù)越高，高管人員越會(huì)增加資本支出；其次，由于無(wú)法說(shuō)明高管人員是否會(huì)因此而迎合投資人，所以本研究納入偏態(tài)系數(shù)與套利風(fēng)險(xiǎn)的交互項(xiàng)來(lái)進(jìn)行檢驗(yàn)，采用五種套利風(fēng)險(xiǎn)與偏態(tài)的交互作用項(xiàng)與資本支出進(jìn)行回歸分析。研究結(jié)果發(fā)現(xiàn)：第一：偏態(tài)系數(shù)越高，資本支出越多；第二：信息不對(duì)稱(chēng)程度越高，股票價(jià)格越高，交易量越小，套利風(fēng)險(xiǎn)越大，公司的高管人員就偏向從公司未來(lái)的成長(zhǎng)機(jī)會(huì)而減少資本支出；價(jià)格

列的自相關(guān)性和其偏態(tài)特性，為此首先分析紫荊關(guān)站年徑流序列的自相關(guān)性［3］。年徑流序列Xt的自相關(guān)系數(shù)表示為：式中 rk為年徑流序列Xt的自相關(guān)系數(shù)；n為序列長(zhǎng)度，當(dāng)n＞50時(shí)，可以取m＜n/4，常取m在n/10左右；當(dāng)n＜50時(shí)，取m在n/4左右的數(shù)值，有的取m＜n-10；k為年徑流序列的滯時(shí)；為年徑流序列的均值。本文所選紫荊關(guān)站年徑流序列年數(shù)為49a，取m=12，計(jì)算自相關(guān)系數(shù)并繪制自相關(guān)圖，并加繪了獨(dú)立序列自相關(guān)置信水平為95%的容許限，如表1和圖1。

r-Yanase偏態(tài)信息劉萬(wàn)芳1,尹訓(xùn)昌1,付 靜2,李 敏3(1.安慶師范學(xué)院 物理與電氣工程學(xué)院,安徽 安慶 246011;2.吉林建筑大學(xué)城建學(xué)院,長(zhǎng)春 130111;3.集美大學(xué)誠(chéng)毅學(xué)院,福建 廈門(mén) 351100)研究單個(gè)二能級(jí)原子自發(fā)輻射過(guò)程中原子和光場(chǎng)Wigner-Yanase的信息變化,并分別計(jì)算原子和輻射場(chǎng)的Wigner-Yanase信息.結(jié)果表明：原子和光場(chǎng)的Wigner-Yanase信息均依賴于平均值〈Sz〉;當(dāng)原子處于基態(tài)時(shí),光場(chǎng)的W

均值、變差系數(shù)和偏態(tài)系數(shù)。對(duì)于有實(shí)測(cè)資料的設(shè)計(jì)流域來(lái)講，可通過(guò)對(duì)實(shí)測(cè)資料進(jìn)行頻率分析計(jì)算確定。對(duì)于無(wú)實(shí)測(cè)資料的設(shè)計(jì)流域，一般通過(guò)經(jīng)驗(yàn)公式求得。無(wú)資料地區(qū)是指設(shè)計(jì)流域及其上下游附近無(wú)徑流觀測(cè)資料或資料系列太短。偏態(tài)系數(shù)Cs是計(jì)算設(shè)計(jì)年徑流的一個(gè)重要統(tǒng)計(jì)參數(shù)，它反映了年徑流系列相對(duì)于數(shù)學(xué)期望及分布對(duì)稱(chēng)中心不對(duì)稱(chēng)程度，其值越大，表明年徑流分布越不對(duì)稱(chēng)。反之，年徑流系列分布越接近對(duì)稱(chēng)。但偏態(tài)系數(shù)為零時(shí)，表明分布是對(duì)稱(chēng)的。年徑流頻率計(jì)算中，偏態(tài)系數(shù)Cs值用年徑流倍比

江212400）偏態(tài)技術(shù)、服務(wù)外包與農(nóng)業(yè)現(xiàn)代化溫小林，馬媛媛，莊義慶（江蘇丘陵地區(qū)鎮(zhèn)江農(nóng)業(yè)科學(xué)研究所，江蘇鎮(zhèn)江212400）從理論上探討了我國(guó)在推進(jìn)農(nóng)業(yè)現(xiàn)代化過(guò)程中遇到的瓶頸問(wèn)題，然后從偏態(tài)技術(shù)的角度出發(fā)，提出用服務(wù)外包的手段來(lái)解決這一問(wèn)題的思路，并提出相應(yīng)的政策建議。研究結(jié)果表明具有偏態(tài)特性的農(nóng)業(yè)技術(shù)的外包服務(wù)是農(nóng)戶兼業(yè)化背景下提高農(nóng)業(yè)科技進(jìn)步，提升農(nóng)業(yè)可持續(xù)發(fā)展能力和促進(jìn)農(nóng)業(yè)現(xiàn)代化的有效選擇。偏態(tài)技術(shù)；服務(wù)外包；現(xiàn)代農(nóng)業(yè)20世紀(jì)80年代以來(lái)，在農(nóng)村勞動(dòng)

突變的問(wèn)題，設(shè)置偏態(tài)參數(shù)服從Markov轉(zhuǎn)換過(guò)程，采用貝葉斯方法，構(gòu)建帶機(jī)制轉(zhuǎn)移的有偏厚尾金融隨機(jī)波動(dòng)模型，考量股市不同波動(dòng)狀態(tài)間的機(jī)制轉(zhuǎn)移性，捕捉股市間多重波動(dòng)特性。通過(guò)設(shè)置先驗(yàn)分布，實(shí)現(xiàn)模型的貝葉斯推斷，設(shè)計(jì)相應(yīng)的馬爾科夫鏈蒙特卡洛算法進(jìn)行估計(jì)，并利用上證指數(shù)進(jìn)行實(shí)證。結(jié)果表明：模型不僅刻畫(huà)了股市的尖峰厚尾、杠桿效應(yīng)等特性，發(fā)現(xiàn)收益率條件分布的偏度參數(shù)具有動(dòng)態(tài)時(shí)變性，股市波動(dòng)呈現(xiàn)出顯著的機(jī)制轉(zhuǎn)移特性，而且證實(shí)了若模型考慮波動(dòng)的不同階段性狀態(tài)后，將降低持

r-Yanase偏態(tài)信息李敏(集美大學(xué)誠(chéng)毅學(xué)院，福建 廈門(mén) 361021)[摘要]研究了與雙模壓縮真空態(tài)光場(chǎng)作用過(guò)程中耦合雙原子的Wigner-Yanase偏態(tài)信息．結(jié)果表明，當(dāng)光場(chǎng)壓縮因子較小時(shí)，光場(chǎng)與原子間相互作用和原子間偶極-偶極相互作用共同決定了原子的總Wigner-Yanase偏態(tài)信息演化的周期；增強(qiáng)原子間偶極-偶極相互作用，可以抵抗原子的總Wigner-Yanase偏態(tài)信息的丟失；光場(chǎng)壓縮因子對(duì)原子的總Wigner-Yanase偏態(tài)信息的丟失起

很多粗糙表面呈負(fù)偏態(tài)，故相對(duì)而言負(fù)偏態(tài)表面的接觸性能較好。因此，為了更加真實(shí)地模擬粗糙表面，非高斯型表面的模擬尤為重要。粗糙表面分布的偏態(tài)為粗糙表面的峰態(tài)為非高斯型表面的模擬相對(duì)高斯型表面來(lái)說(shuō)，其輸入隨機(jī)序列μi，j與高斯型表面模擬時(shí)不同，模擬高斯型表面時(shí)，μi，j是高斯分布隨機(jī)序列；而模擬非高斯型表面時(shí)，μi，j為非高斯分布隨機(jī)序列，所以必須產(chǎn)生一個(gè)μi，j來(lái)滿足需模擬表面的偏態(tài)與峰態(tài)。式（4）本質(zhì)上是一個(gè)MA模型，對(duì)于一個(gè)純MA模型，有當(dāng)偏態(tài)與峰態(tài)通過(guò)

）目前有關(guān)重尾或偏態(tài)數(shù)據(jù)的統(tǒng)計(jì)分析和理論模型相對(duì)較少，基于傳統(tǒng)的Laplace分布，提出一種處理偏態(tài)和重尾數(shù)據(jù)的新模型——斜Laplace分布，以研究其參數(shù)估計(jì)方法。利用數(shù)理統(tǒng)計(jì)知識(shí)推導(dǎo)出該分布與一些常見(jiàn)分布（如正態(tài)分布、指數(shù)分布）間的統(tǒng)計(jì)關(guān)系，并給出一種可通過(guò)設(shè)置不同參數(shù)值得到不同分布的Levy偏穩(wěn)定分布及其穩(wěn)定性。斜Laplace分布；MLE估計(jì)；Levy偏穩(wěn)定分布一、引 言由于分布是對(duì)數(shù)據(jù)的一個(gè)描述，而在現(xiàn)實(shí)生活中存在著大量的重尾或偏態(tài)數(shù)據(jù)，因此在統(tǒng)

標(biāo)準(zhǔn)正態(tài)分布、正偏態(tài)分布、負(fù)偏態(tài)分布。標(biāo)準(zhǔn)正態(tài)分布使用rnorm( )語(yǔ)句直接生成。正(負(fù))偏態(tài)則采取以下方法產(chǎn)生。以正偏態(tài)為例，生成1000例標(biāo)準(zhǔn)正態(tài)分布數(shù)據(jù)，并截掉大于0.8的部分，同時(shí)再生成1000例0至5.5服從均勻分布的數(shù)據(jù)，合并二者后，從中選取1500例，最后得到近似正偏態(tài)的數(shù)據(jù)。負(fù)偏態(tài)自變量采取類(lèi)似方法。2.因變量為了保證原始數(shù)據(jù)中自變量與因變量經(jīng)logistic回歸分析具有一定的聯(lián)系，因變量可利用自變量通過(guò)公式產(chǎn)生；鑒于因變量0、1的分布在

比較用t檢驗(yàn)，呈偏態(tài)分布數(shù)據(jù)用中位數(shù)表示，數(shù)據(jù)比較用非參數(shù)秩和檢驗(yàn)（Mann－Whitney檢驗(yàn)）。P＜0.05為具有顯著性差異。2 結(jié)果2.1 120例健康者尿T、NAG 、GGT、β2－MG各項(xiàng)目檢測(cè)結(jié)果尿T和β2－MG呈正偏態(tài)分布（Z＝1.124、1.12；P＝0.16、0.162），結(jié)果分別為6.95±3.92 μmol／h.gCr、0.14±0.09（mg／gCr）；尿 NAG、GGT呈偏態(tài)分布（Z＝1.626、1.369；P＝0.01、0.04

擬合精度。但對(duì)于偏態(tài)系數(shù)較大的非高斯雜波，K分布模型更能準(zhǔn)確地與實(shí)際雜波數(shù)據(jù)相吻合。因此，K分布模型和單參數(shù)的IG-CG分布模型都具有一定的局限性。本文主要在以下兩方面進(jìn)行了研究：(1)采用包含形狀參數(shù)和均值參數(shù)的逆高斯分布調(diào)制復(fù)高斯過(guò)程建立了一種雙參數(shù)IG-CG分布模型，并推導(dǎo)了其統(tǒng)計(jì)特性；(2)利用IPIX雷達(dá)雜波數(shù)據(jù)研究了雙參數(shù)IG-CG分布模型、單參數(shù)IG-CG分布模型和K分布模型在不同非高斯程度下的擬合效果，結(jié)果表明本文提出的雙參數(shù) IG-CG分

偏正態(tài)分布，因?yàn)?span id="syggg00" class="hl">偏態(tài)分布能夠較好地刻畫(huà)出數(shù)據(jù)的非對(duì)稱(chēng)性和偏斜程度。一方面，偏態(tài)數(shù)據(jù)是正態(tài)數(shù)據(jù)的進(jìn)一步推廣，是非常常見(jiàn)的一種統(tǒng)計(jì)數(shù)據(jù)；另一方面，在現(xiàn)實(shí)數(shù)據(jù)的采集過(guò)程中，很多抽樣調(diào)查數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)都會(huì)受到無(wú)回答的干擾，或者是因?yàn)槟撤N原因而丟失。因此，對(duì)缺失偏態(tài)數(shù)據(jù)的統(tǒng)計(jì)分析具有重要的理論和實(shí)際意義，筆者旨在研究缺失偏態(tài)數(shù)據(jù)下線性回歸模型參數(shù)的估計(jì)問(wèn)題。目前，缺失對(duì)稱(chēng)數(shù)據(jù)下回歸模型研究已得到了廣泛關(guān)注，Cheng、Chu等人研究了缺失數(shù)據(jù)下回歸模型中非參數(shù)估計(jì)［

標(biāo)（變量）雖服從偏態(tài)分布，但經(jīng)數(shù)據(jù)轉(zhuǎn)換后的新變量可服從正態(tài)或近似正態(tài)分布。其中，經(jīng)對(duì)數(shù)轉(zhuǎn)換后服從正態(tài)分布的指標(biāo)，被稱(chēng)為服從對(duì)數(shù)正態(tài)分布。同時(shí)，正態(tài)分布曲線還描述了許多心理檢驗(yàn)得分；這個(gè)曲線還成為了不同種族的智力測(cè)驗(yàn)的得分分布的爭(zhēng)論焦點(diǎn)[1]。一般來(lái)說(shuō)，如果一個(gè)現(xiàn)象是由許多微小的獨(dú)立隨機(jī)因素共同影響的結(jié)果，那么就可以認(rèn)為這個(gè)現(xiàn)象具有正態(tài)分布。從理論上看，正態(tài)分布具有很多良好的性質(zhì)，許多概率分布可以用它來(lái)近似；還有一些常用的概率分布是由它直接導(dǎo)出的，例如對(duì)數(shù)正

溫度變化曲線符合偏態(tài)分布，峰值偏左，長(zhǎng)尾向右延伸。針對(duì)目前使用的溫度模型的局限性，依據(jù)實(shí)測(cè)環(huán)境溫度變化曲線建立偏態(tài)分布溫度模型為3 模型對(duì)比驗(yàn)證分別將偏態(tài)分布模型和Heller 模型與實(shí)測(cè)溫度變化曲線進(jìn)行對(duì)比如圖2、3 所示。圖2 一個(gè)周期內(nèi)實(shí)測(cè)值與Heller 模型理論值對(duì)比表2 Heller 模型參數(shù)取值通過(guò)對(duì)比發(fā)現(xiàn)，Heller 模型雖然可以表現(xiàn)出溫度變化的周期性特點(diǎn)，但是與實(shí)測(cè)數(shù)據(jù)曲線存在較大的偏差。Heller模型一個(gè)周期內(nèi)升溫階段和降溫階段完全

益率的尖峰厚尾和偏態(tài)特征。當(dāng)投資組合收益率服從正態(tài)分布時(shí),均值—方差模型能夠完美地刻畫(huà)投資組合收益率分布情況，從而為管理投資風(fēng)險(xiǎn)提供堅(jiān)實(shí)的基礎(chǔ)。事實(shí)上，大量實(shí)證研究成果表明，投資組合收益率往往呈現(xiàn)出尖峰胖尾和有偏特征。Markowitz[1]詳細(xì)說(shuō)明了當(dāng)投資者效用函數(shù)與投資組合損益率的均值、方差和偏態(tài)有關(guān)時(shí)，均值—方差模型不再有效；Athayde和Flores[2]給出了基于均值—方差—偏度的有效前沿的許多性質(zhì)，并且通過(guò)模擬得到有效前沿形狀；Jurczen

,逐年遞增,呈負(fù)偏態(tài)分布。其中3年里都有死亡病例的有:艾滋病死亡9例,呈負(fù)偏態(tài)分布。乙肝死亡4例,呈正態(tài)分布。各病種因?yàn)轭A(yù)防接種及治療手段的不同,發(fā)病與死亡人數(shù)在2004年至2006年間各有趨勢(shì),但總的發(fā)病人數(shù)呈正態(tài)分布,與前幾年相比,呈現(xiàn)增長(zhǎng)態(tài)勢(shì),特別是肺結(jié)核、乙型肝炎、艾滋病等病種上升明顯,病死率多集中在這幾種重點(diǎn)傳染病上。表1 2004年度,發(fā)病數(shù)/死亡數(shù),疫情分析報(bào)表統(tǒng)計(jì)表(審核日期統(tǒng)計(jì))表2 2005年度,發(fā)病數(shù)/死亡數(shù),疫情分析報(bào)表統(tǒng)計(jì)表(審核

有限公司 周治武偏態(tài)拱拱肋混凝土壓注的施工中鐵大橋局集團(tuán)第一工程有限公司 周治武石武客運(yùn)專(zhuān)線河南段鶴壁特大橋跨濮鶴高速鶴壁收費(fèi)站高速匝道由1-（50+50）m偏態(tài)拱+3-24m雙線簡(jiǎn)支箱梁、+1-（48+ 80+48）m雙線連續(xù)箱梁、+2-32m雙線簡(jiǎn)支箱梁和+1-（50+50）m偏態(tài)拱結(jié)構(gòu)形式組成。偏態(tài)拱拱肋混凝土采用高壓泵送壓注頂升技術(shù)。一、工程概況石武客專(zhuān)鶴壁特大橋偏態(tài)拱（形狀類(lèi)似于耳朵形）共4跨，位于京珠高速與濮鶴高速鶴壁高速收費(fèi)站處。南北向橫跨高

以收入分配公平性偏態(tài)分布描述方法為基礎(chǔ)，研究應(yīng)用此方法時(shí)的參數(shù)問(wèn)題，提出此方法下的公平性警戒標(biāo)準(zhǔn)，并應(yīng)用該方法和標(biāo)準(zhǔn)對(duì)我國(guó)收入分配公平性狀況進(jìn)行實(shí)證研究。1 收入分配公平性偏態(tài)分布描述方法介紹收入分配公平性偏態(tài)分布描述方法的主要參數(shù)是:偏度(S)、峰度(K)、均值(M)。其中偏度描述了收入分配的統(tǒng)計(jì)分布曲線圖圍繞其均值的非對(duì)稱(chēng)性性狀，其公平性內(nèi)涵是衡量各收入階層占總?cè)巳旱谋戎丶捌鋵?duì)比狀況。當(dāng)S＞0時(shí)，收入分布曲線呈正偏態(tài)分布，低收入者人群數(shù)量大于高收入者人

）關(guān)于正態(tài)分布，偏態(tài)分布的等距分組賈振聲（重慶三峽學(xué)院經(jīng)管學(xué)院，重慶萬(wàn)州404000）一組數(shù)據(jù)進(jìn)行等距分組，到底分多少組？為此我們對(duì)正態(tài)分布進(jìn)行研究，通過(guò)公式得出了計(jì)算分組的算法.均值 方差 擬合函數(shù) 全距 四分之一距各種統(tǒng)計(jì)方面的書(shū)，在討論等距分組的時(shí)候，對(duì)經(jīng)驗(yàn)公式或者只把它當(dāng)作參考，或者干脆不用.原因是經(jīng)驗(yàn)公式，組距只與數(shù)據(jù)個(gè)數(shù)有關(guān)，而與數(shù)據(jù)擬合的函數(shù)形狀無(wú)關(guān).對(duì)服從正態(tài)分布的數(shù)列，我們進(jìn)行了研究,得出求組距的方法,這個(gè)方法簡(jiǎn)單適用.其次，推出的公式對(duì)

致分為正態(tài)資料、偏態(tài)資料、成倍數(shù)資料。資料分布不同則統(tǒng)計(jì)分析方法不同,所以,資料到手后,先分析資料的分布情況,然后選擇適宜的統(tǒng)計(jì)分析方法。2.1 成倍數(shù)資料統(tǒng)計(jì)分析方法的選擇成倍數(shù)資料是指資料的觀察值相差較大,有的成倍數(shù)分布,較簡(jiǎn)單明了,一看便知。如臨床檢驗(yàn)的抗體滴度、生物效價(jià)等。這類(lèi)資料可計(jì)算其幾何均數(shù),如資料是樣本與總體比較,可選擇樣本幾何均數(shù)與總體幾何均數(shù)比較的檢驗(yàn)方法,如是樣本之間比較,可選擇樣本之間幾何均數(shù)比較的檢驗(yàn)方法。其具體步驟請(qǐng)參考相應(yīng)工具