生物统计论文大全模板

上周六，天气晴朗，在妈妈的提议下，我们一家三口来到了东园和动物园游玩。一走进动物园，我们便被一阵喧闹的锣鼓声吸引住了，顺着声音找去，哇，原来在这里即将进行一场动物表演，我高兴的站在那里等待着。表演正式开始，首先上场的是一头英俊漂亮的狗。你可别小看这条狗，它竟然会认字呢。当工作人员把七张写有字的卡片放好后，场外我们这些小朋友随便指定了其中一个字，让小狗找出来。只见它在七个字面前来回的走了一圈，仔细的看了一遍，便正确无误的找出了那个字，观众们都鼓掌为它喝彩。第二次也同样如次。在大家的掌声中，小狗非常得意，它还想为大家露一手——做算术。我们给它出了一道1+2的题目，它认真的想了一会儿，便把一张写有“3”的卡片高高举起，哦!它算对了。在一阵阵热烈的掌声中，小狗摇头摆尾、得意扬扬的离开了表演场地。接着上场的是四只骄傲自大的公鸡。你看，它们在工作人员的手中个个红着脸、竖着毛，一副跃跃欲试、狠不得马上进行比赛的样子，仿佛冠军就一定属于它似的。可是比赛结果冠军只有一个，其他三只公鸡惭愧的低着头走出了赛常鸡刚走，就传来一阵马蹄声，两匹威武雄壮的马飞快的跑进了场地，为我们表演斗马比赛，结果打了个平手，它们友好的一起走出了赛常接下来出现了不可思议的一幕，两只绵羊出场了。大家都知道，绵羊的性情很温和，可今天它们却要进行一嘲厮杀”。当它们斗到一半时，突然停下来，走到一起交谈起来。然后不管工作人员怎么训，它们都不斗了，我想：它们肯定是不想破坏自己在人们心目中温顺的形象吧。表演在欢乐的气氛中结束了。看完表演，我觉得动物园的叔叔阿姨真不简单，能让动物听从他们的指挥。我想：几千年甚至几万年后，会不会有一种生下来就有这种本领的动物呢?

作者：孙允强——生物论文 原创论文，祝你愉快！内容摘要：生物圈是我们赖以生存的环境，我们应当去爱护它、珍惜它、保护它，然而却有一部分人为了一时的经济利益，不惜去破坏它，致使整个生物圈受到严重的破坏… ，人类，是该考虑考虑这些问题了...论文题目：人类，是该考虑考虑这些问题了...在宇宙的深处，有一个美丽的星球，他就是我们千千万万生命赖以生存与栖息的地球。这里森林茂密，绿草丛生；这里鸟语花香，春意盎然；这里生气勃勃，百花争艳；这里欣欣向荣，呈现浓浓绿韵。各种各样的生物安详而又快乐的生活着。每天的每天，小鸟在枝头低吟浅唱；鱼儿在水中竞相嬉戏；花儿在天空下会心微笑…各种各样的生物与环境共同合奏起生活的交响乐，美妙的音符充实着美丽的地球家园。然而，进化最高等的人类，作为地球的主宰者，却时不时地演奏出不和谐的音符，或许在不久的将来，以上我所描述的那幅美妙的蓝图，都将成为人类心中的一个梦，永远留藏在人们的心里…人类是自私的，为了满足一时的经济利益，大量乱砍滥伐，使得整个森林生态系统呈现衰退的趋势，我国的森林覆盖率从最初的5%一度降至，而世界森林平均覆盖率为27%，将近是我国的两倍！这个数字是惊人的。我国的有关专家曾经做过一项测算，测算的结果表明：如果我国的森林覆盖率按照现在的速度减少，那么在三百年内，我国的森林覆盖率将低于11%!难道我们不应为此感到震惊吗？不仅仅是我国，现在世界各国的森林覆盖率也呈现出明显下降的趋势，据有关专家预测：如果人类不采取行动来保护森林，那么八百年后，世界森林平均覆盖率将低于10%！到那时，世界上的沙尘天气将频繁出现，台风、海啸等自然灾害将严重威胁到人类的生存，不止这些，如果森林面积大幅度减少，那么生物圈的碳—氧平衡将受到严重破坏！人类呼吸道疾病的发病率将显著上升。这还不足以引起我们的重视吗？人类是贪婪的。我们所在的整个生物圈是一个庞大的系统，动植物种类极其丰富。据科学家的不完全统计，世界上的生物种类大约在500万——1亿中之间，这是多么庞大的一个数字啊！这么多的生物共同造就了欣欣向荣、生气勃勃的生物圈。而人类却不懂得珍惜这可爱美妙的生物圈。达尔文的进化论认为：物竞天择，适者生存。不适者将会被大自然淘汰。生物在生存过程中存在着生存竞争，有的物种之所以在地球上消失，主要是人为因素造成的，由于人类的乱砍滥伐、掠夺式的开发和利用生物生存的环境，从而致使环境恶化，物种逐渐减少甚至灭绝…，人类为了所谓的“致富”而大量捕杀野生动物，致使一些野生动物的数量急剧下降，甚至濒临灭绝！例如白鳍豚，现在世界仅剩约200——300只了；还有朱鹮，当时被发现时仅剩7只，而现在也不过200多只；还有藏羚羊，在青海省的分布密度从最初的3—5只/平方千米降至只/平方千米…，这样的例子还有很多很多…不计其数的野生动物被作为“毛可穿、毛可用、肉可食、器官可入药”的开发利用对象而遭到灭顶之灾…这不值得我们去深思吗？人类是无知的。随着经济的发展，人民都富裕起来，私家车在人们面前已不足为奇，马路上随时可以看到来来往往的汽车，而这些汽车产生了大量的尾气，这些尾气中含有大量的二氧化硫等有毒物质，而这些有毒物质扩散到空气中，会严重污染空气的清新，所以致使近几年来空气污染特别严重，人类几乎已经受不了城市的“乌烟瘴气”了…；不仅仅是城市，乡村也存在着严重的环境问题：人类大量使用农药，从而给农作物与人类带来了极大的危害…人类的一系列活动带来了酸雨等大量自然灾害，使得整个生态系统都受到了严重的影响…人类对于环境的不合理利用，不仅影响着生物的生存，而且已经达到威胁人类自身生存与发展的地步…生物圈，是我们赖以生存的环境。“生物圈II号”计划的失败告诉我们：迄今为止，生物圈只有一个，所以我们应该去爱护它、珍惜它、改善它。我认为人类应切实履行以下几点：1. 植树造林2. 节能减排3. 珍惜水资源4. 停止对于濒危生物的捕杀5. 禁止过度开垦耕地6. 对工业废水进行科学处理后，才可排放7. 减少工业废气、汽车尾气等污染物的排放8. 保护生物的多样性9. 控制人口数量，抑制人口迅猛增长的势头…在文章的最后，我还是那句话：生物圈，是我们赖以生存的环境。我们应该去爱护它、珍惜它、并改善它，这是我们共同的责任也是我们共同的义务，或许，我们现在并没有感觉到问题的严重，但在不久的将来，或许我们会来重新认真的考虑这些问题…

在统计学中，统计模型是指当有些过程无法用理论分析 方法 导出其模型，但可通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系。下文是我为大家整理的关于统计模型论文的 范文 ，欢迎大家阅读参考!

统计套利模型的理论综述与应用分析

【摘要】统计套利模型是基于数量经济学和统计学建立起来的，在对历史数据分析的基础之上，估计相关变量的概率分布，并结合基本面数据对未来收益进行预测，发现套利机会进行交易。统计套利这种分析时间序列的统计学特性，使其具有很大的理论意义和实践意义。在实践方面广泛应用于个对冲基金获取收益，理论方面主要表现在资本有效性检验以及开放式基金评级，本文就统计套利的基本原理、交易策略、应用方向进行介绍。

【关键词】统计套利 成对交易 应用分析

一、统计套利模型的原理简介

统计套利模型是基于两个或两个以上具有较高相关性的股票或者其他证券，通过一定的方法验证股价波动在一段时间内保持这种良好的相关性，那么一旦两者之间出现了背离的走势，而且这种价格的背离在未来预计会得到纠正，从而可以产生套利机会。在统计套利实践中，当两者之间出现背离，那么可以买进表现价格被低估的、卖出价格高估的股票，在未来两者之间的价格背离得到纠正时，进行相反的平仓操作。统计套利原理得以实现的前提是均值回复，即存在均值区间(在实践中一般表现为资产价格的时间序列是平稳的，且其序列图波动在一定的范围之内)，价格的背离是短期的，随着实践的推移，资产价格将会回复到它的均值区间。如果时间序列是平稳的，则可以构造统计套利交易的信号发现机制，该信号机制将会显示是否资产价格已经偏离了长期均值从而存在套利的机会 在某种意义上存在着共同点的两个证券(比如同行业的股票)， 其市场价格之间存在着良好的相关性，价格往往表现为同向变化，从而价格的差值或价格的比值往往围绕着某一固定值进行波动。

二、统计套利模型交易策略与数据的处理

统计套利具 体操 作策略有很多，一般来说主要有成对/一篮子交易，多因素模型等，目前应用比较广泛的策略主要是成对交易策略。成对策略，通常也叫利差交易，即通过对同一行业的或者股价具有长期稳定均衡关系的股票的一个多头头寸和一个空头头寸进行匹配，使交易者维持对市场的中性头寸。这种策略比较适合主动管理的基金。

成对交易策略的实施主要有两个步骤：一是对股票对的选取。海通证券分析师周健在绝对收益策略研究―统计套利一文中指出，应当结合基本面与行业进行选股，这样才能保证策略收益，有效降低风险。比如银行，房地产，煤电行业等。理论上可以通过统计学中的聚类分析方法进行分类，然后在进行协整检验，这样的成功的几率会大一些。第二是对股票价格序列自身及相互之间的相关性进行检验。目前常用的就是协整理论以及随机游走模型。

运用协整理论判定股票价格序列存在的相关性，需要首先对股票价格序列进行平稳性检验，常用的检验方法是图示法和单位根检验法，图示法即对所选各个时间序列变量及一阶差分作时序图，从图中观察变量的时序图出现一定的趋势册可能是非平稳性序列，而经过一阶差分后的时序图表现出随机性，则序列可能是平稳的。但是图示法判断序列是否存在具有很大的主观性。理论上检验序列平稳性及阶输通过单位根检验来确定，单位根检验的方法很多，一般有DF，ADF检验和Phillips的非参数检验(PP检验)一般用的较多的方法是ADF检验。

检验后如果序列本身或者一阶差分后是平稳的，我们就可以对不同的股票序列进行协整检验，协整检验的方法主要有EG两步法，即首先对需要检验的变量进行普通的线性回归，得到一阶残差，再对残差序列进行单位根检验，如果存在单位根，那么变量是不具有协整关系的，如果不存在单位根，则序列是平稳的。EG检验比较适合两个序列之间的协整检验。除EG检验法之外，还有Johansen检验，Gregory hansan法，自回归滞后模型法等。其中johansen检验比较适合三个以上序列之间协整关系的检验。通过协整检验，可以判定股票价格序列之间的相关性，从而进行成对交易。

Christian L. Dunis和Gianluigi Giorgioni(2010)用高频数据代替日交易数据进行套利，并同时比较了具有协整关系的股票对和没有协整关系股票对进行套利的立即收益率，结果显示，股票间价格协整关系越高，进行统计套利的机会越多，潜在收益率也越高。

根据随机游走模型我们可以检验股票价格波动是否具有“记忆性”，也就是说是否存在可预测的成分。一般可以分为两种情况：短期可预测性分析及长期可预测性分析。在短期可预测性分析中，检验标准主要针对的是随机游走过程的第三种情况，即不相关增量的研究，可以采用的检验工具是自相关检验和方差比检验。在序列自相关检验中，常用到的统计量是自相关系数和鲍克斯-皮尔斯 Q统计量，当这两个统计量在一定的置信度下，显著大于其临界水平时，说明该序列自相关，也就是存在一定的可预测性。方差比检验遵循的事实是：随机游走的股价对数收益的方差随着时期线性增长，这些期间内增量是可以度量的。这样，在k期内计算的收益方差应该近似等于k倍的单期收益的方差，如果股价的波动是随机游走的，则方差比接近于1;当存在正的自相关时，方差比大于1;当存在负的自相关是，方差比小于1。进行长期可预测性分析，由于时间跨度较大的时候，采用方差比进行检验的作用不是很明显，所以可以采用R/S分析，用Hurst指数度量其长期可预测性，Hurst指数是通过下列方程的回归系数估计得到的：

Ln[(R/S)N]=C+H*LnN

R/S 是重标极差，N为观察次数，H为Hurst指数，C为常数。当H>时说，说明这些股票可能具有长期记忆性，但是还不能判定这个序列是随机游走或者是具有持续性的分形时间序列，还需要对其进行显著性检验。

无论是采用协整检验还是通过随机游走判断，其目的都是要找到一种短期或者长期内的一种均衡关系，这样我们的统计套利策略才能够得到有效的实施。

进行统计套利的数据一般是采用交易日收盘价数据，但是最近研究发现，采用高频数据(如5分钟，10分钟，15分钟，20分钟收盘价交易数据)市场中存在更多的统计套利机会。日交易数据我们选择前复权收盘价，而且如果两只股票价格价差比较大，需要先进性对数化处理。Christian L. Dunis和Gianluigi Giorgioni(2010)分别使用15分钟收盘价，20分钟收盘价，30分以及一个小时收盘价为样本进行统计套利分析，结果显示，使用高频数据进行统计套利所取得收益更高。而且海通证券金融分析师在绝对收益策略系列研究中，用沪深300指数为样本作为统计套利 配对 交易的标的股票池，使用高频数据计算累计收益率比使用日交易数据高将近5个百分点。

三、统计套利模型的应用的拓展―检验资本市场的有效性

Fama(1969)提出的有效市场假说，其经济含义是:市场能够对信息作出迅速合理的反应,使得市场价格能够充分反映所有可以获得的信息,从而使资产的价格不可用当前的信息进行预测,以至于任何人都无法持续地获得超额利润.通过检验统计套利机会存在与否就可以验证资本市场是有效的的，弱有效的，或者是无效的市场。徐玉莲(2005)通过运用统计套利对中国资本市场效率进行实证研究，首先得出结论：统计套利机会的存在与资本市场效率是不相容的。以此为理论依据，对中国股票市场中的价格惯性、价格反转及价值反转投资策略是否存在统计套利机会进行检验，结果发现我国股票市场尚未达到弱有效性。吴振翔，陈敏(2007)曾经利用这种方法对我国A股市场的弱有效性加以检验，采用惯性和反转两种投资策略发现我国A股若有效性不成立。另外我国学者吴振翔，魏先华等通过对Hogan的统计套利模型进行修正，提出了基于统计套利模型对开放式基金评级的方法。

四、结论

统计套利模型的应用目前主要表现在两个方面：1.作为一种有效的交易策略，进行套利。2.通过检测统计套利机会的存在，验证资本市场或者某个市场的有效性。由于统计套利策略的实施有赖于做空机制的建立，随着我股指期货和融资融券业务的推出和完善，相信在我国会有比较广泛的应用与发展。

参考文献

[1] . Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.

[2]方昊.统计套利的理论模式及应用分析―基于中国封闭式基金市场的检验.统计与决策,2005,6月(下).

[3]马理,卢烨婷.沪深 300 股指期货期现套利的可行性研究―基于统计套利模型的实证.财贸研究,2011,1.

[4]吴桥林.基于沪深 300 股指期货的套利策略研究[D].中国优秀硕士学位论文.2009.

[5]吴振翔,陈敏.中国股票市场弱有效性的统计套利检验[J].系统工程理论与实践.2007,2月.

关于半参统计模型的估计研究

【摘要】随着数据模型技术的迅速发展，现有的数据模型已经无法满足实践中遇到的一些测量问题，严重的限制了现代科学技术在数据模型上应用和发展，所以基于这种背景之下，学者们针对数据模型测量实验提出了新的理论和方法，并研制出了半参数模型数据应用。半参数模型数据是基于参数模型和非参数模型之上的一种新的测量数据模型，因此它具备参数模型和非参数模型很多共同点。本文将结合数据模型技术，对半参统计模型进行详细的探究与讨论。

【关键词】半参数模型 完善误差 测量值 纵向数据

本文以半参数模型为例，对参数、非参数分量的估计值和观测值等内容进行讨论，并运用三次样条函数插值法得出非参数分量的推估表达式。另外，为了解决纵向数据下半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。另外，本文初步讨论了平衡参数的选取问题，并充分说明了泛最小二乘估计方法以及相关结论，同时对半参数模型的迭代法进行了相关讨论和研究。

一、概论

在日常生活当中，人们所采用的参数数据模型构造相对简单，所以操作起来比较容易;但在测量数据的实际使用过程中存在着相关大的误差，例如在测量相对微小的物体，或者是对动态物体进行测量时。而建立半参数数据模型可以很好的解决和缓解这一问题：它不但能够消除或是降低测量中出现的误差，同时也不会将无法实现参数化的系统误差进行勾和。系统误差非常影响观测值的各种信息，如果能改善，就能使其实现更快、更及时、更准确的误差识别和提取过程;这样不仅可以提高参数估计的精确度，也对相关科学研究进行了有效补充。

举例来说，在模拟算例及坐标变换GPS定位重力测量等实际应用方面，体现了这种模型具有一定成功性及实用性;这主要是因为半参数数据模型同当前所使用的数据模型存在着一致性，可以很好的满足现在的实际需要。而新建立的半参数模型以及它的参数部分和非参数部分的估计，也可以解决一些污染数据的估计问题。这种半参数模型，不仅研究了纵向数据下其自身的t型估计，同时对一些含光滑项的半参数数据模型进行了详细的阐述。另外，基于对称和不对称这两种情况，可以在一个线性约束条件下对参数估计以及假设进行检验，这主要是因为对观测值产生影响的因素除了包含这个线性关系以外，还受到某种特定因素的干扰，所以不能将其归入误差行列。另外，基于自变量测量存在一定误差，经常会导致在计算过程汇总，丢失很多重要信息。

二、半参数回归模型及其估计方法

这种模型是由西方著名学者Stone在上世纪70年代所提出的，在80年代逐渐发展并成熟起来。目前，这种参数模型已经在医学以及生物学还有经济学等诸多领域中广泛使用开来。

半参数回归模型介于非参数回归模型和参数回归模型之间，其内容不仅囊括了线性部分，同时包含一些非参数部分，应该说这种模型成功的将两者的优点结合在一起。这种模型所涉及到的参数部分，主要是函数关系，也就是我们常说的对变量所呈现出来的大势走向进行有效把握和解释;而非参数部分则主要是值函数关系中不明确的那一部分，换句话就是对变量进行局部调整。因此，该模型能够很好的利用数据中所呈现出来的信息，这一点是参数回归模型还有非参数归回模型所无法比拟的优势，所以说半参数模型往往拥有更强、更准确的解释能力。

从其用途上来说，这种回归模型是当前经常使用的一种统计模型。其形式为：

三、纵向数据、线性函数和光滑性函数的作用

纵向数据其优点就是可以提供许多条件，从而引起人们的高度重视。当前纵向数据例子也非常多。但从其本质上讲，纵向数据其实是指对同一个个体，在不同时间以及不同地点之上，在重复观察之下所得到一种序列数据。但由于个体间都存在着一定的差别，从而导致在对纵向数据进行求方差时会出现一定偏差。在对纵向数据进行观察时，其观察值是相对独立的，因此其特点就是可以能够将截然不同两种数据和时间序列有效的结合在一起。即可以分析出来在个体上随着时间变化而发生的趋势，同时又能看出总体的变化形势。在当前很多纵向数据的研究中，不仅保留了其优点，并在此基础之上进行发展，实现了纵向数据中的局部线性拟合。这主要是人们希望可以建立输出变量和协变量以及时间效应的关系。可由于时间效应相对比较复杂，所以很难进行参数化的建模。

另外，虽然线性模型的估计已经取得大量的成果，但半参数模型估计至今为止还是空白页。线性模型的估计不仅仅是为了解决秩亏或病态的问题，还能在百病态的矩阵时，提供了处理线性、非线性及半参数模型等方法。首先，对观测条件较为接近的两个观测数据作为对照，可以削弱非参数的影响。从而将半参数模型变成线性模型，然后，按线性模型处理，得到参数的估计。而多数的情况下其线性系数将随着另一个变量而变化，但是这种线性系数随着时间的变化而变化，根本求不出在同一个模型中，所有时间段上的样本，亦很难使用一个或几个实函数来进行相关描述。在对测量数据处理时，如果将它看作为随机变量，往往只能达到估计的作用，要想在经典的线性模型中引入另一个变量的非线性函数，即模型中含有本质的非线性部分，就必须使用半参数线性模型。

另外就是指由各个部分组成的形态，研究对象是非线性系统中产生的不光滑和不可微的几何形体，对应的定量参数是维数，分形上统计模型的研究是当前国际非线性研究的重大前沿课题之一。因此，第一种途径是将非参数分量参数化的估计方法，也称之为参数化估计法，是关于半参数模型的早期工作，就是对函数空间附施加一定的限制，主要指光滑性。一些研究者认为半参数模型中的非参数分量也是非线性的，而且在大多数情形下所表现出来的往往是不光滑和不可微的。所以同样的数据，同样的检验方法，也可以使用立方光滑样条函数来研究半参数模型。

四、线性模型的泛最小二乘法与最小二乘法的抗差

(一)最小二乘法出现于18世纪末期

在当时科学研究中常常提出这样的问题：怎样从多个未知参数观测值集合中求出参数的最佳估值。尽管当时对于整体误差的范数，泛最小二乘法不如最小二乘法，但是当时使用最多的还是最小二乘法，其目的也就是为了估计参数。最小二乘法，在经过一段时间的研究和应用之后，逐步发展成为一整套比较完善的理论体系。现阶段不仅可以清楚地知道数据所服从的模型，同时在纵向数据半参数建模中，辅助以迭代加权法。这对补偿最小二乘法对非参数分量估计是非常有效，而且只要观测值很精确，那么该法对非参数分量估计更为可靠。例如在物理大地测量时，很早就使用用最小二乘配置法，并得到重力异常最佳估计值。不过在使用补偿最小二乘法来研究重力异常时，我们还应在兼顾着整体误差比较小的同时，考虑参数估计量的真实性。并在比较了迭代加权偏样条的基础上，研究最小二乘法在当前使用过程中存在的一些不足。应该说，该方法只强调了整体误差要实现最小，而忽略了对参数分量估计时出现的误差。所以在实际操作过程中，需要特别注意。

(二)半参模型在GPS定位中的应用和差分

半参模型在GPS相位观测中，其系统误差是影响高精度定位的主要因素，由于在解算之前模型存在一定误差，所以需及时观测误差中的粗差。GPS使用中，通过广播卫星来计算目标点在实际地理坐标系中具体坐标。这样就可以在操作过程中，发现并恢复整周未知数，由于观测值在卫星和观测站之间，是通过求双差来削弱或者是减少对卫星和接收机等系统误差的影响，因此难于用参数表达。但是在平差计算中，差分法虽然可以将观测方程的数目明显减少，但由于种种原因，依然无法取得令人满意的结果。但是如果选择使用半参数模型中的参数来表达系统误差，则能得到较好的效果。这主要是因为半参数模型是一种广义的线性回归模型，对于有着光滑项的半参数模型，在既定附加的条件之下，能够提供一个线性函数的估计方法，从而将测值中的粗差消除掉。

另外这种方法除了在GPS测量中使用之外，还可应用于光波测距仪以及变形监测等一些参数模型当中。在重力测量中的应用在很多情形下，尤其是数学界的理论研究，我们总是假定S是随机变量实际上，这种假设是合理的，近几年，我们对这种线性模型的研究取得了一些不错的成果，而且因其形式相对简洁，又有较高适用性，所以这种模型在诸多领域中发挥着重要作用。

通过模拟的算例及坐标变换GPS定位重力测量等实际应用，说明了该法的成功性及实用性，从理论上说明了流行的自然样条估计方法，其实质是补偿最小二乘方法的特例，在今后将会有广阔的发展空间。另外 文章 中提到的分形理论的研究对象应是非线性系统中产生的不光滑和不可微的几何形体，而且分形已经在断裂力学、地震学等中有着广泛的应用，因此应被推广使用到研究半参数模型中来，不仅能够更及时，更加准确的进行误差的识别和提取，同时可以提高参数估计的精确度，是对当前半参数模型研究的有力补充。

五、 总结

文章所讲的半参数模型包括了参数、非参数分量的估计值和观测值等内容，并且用了三次样条函数插值法得到了非参数分量的推估表达式。另外，为了解决纵向数据前提下，半参数模型的参数部分和非参数部分的估计问题，在误差为鞅差序列情形下，对半参数数据模型、渐近正态性、强相合性进行研究和分析。同时介绍了最小二乘估计法。另外初步讨论了平衡参数的选取问题，还充分说明了泛最小二乘估计方法以及有关结论。在对半参数模型的迭代法进行了相关讨论和研究的基础之上，为迭代法提供了详细的理论说明，为实际应用提供了理论依据。

参考文献

[1]胡宏昌.误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性[J].湖北师范学院学报(自然科学版)，2009(03).

[2]钱伟民，李静茹.纵向污染数据半参数回归模型中的强相合估计[J].同济大学学报(自然科学版)，2009(08).

[3]樊明智，王芬玲，郭辉.纵向数据半参数回归模型的最小二乘局部线性估计[J].数理统计与管理，2009(02).

[4]崔恒建，王强.变系数结构关系EV模型的参数估计[J].北京师范大学学报(自然科学版).2005(06).

[5]钱伟民，柴根象.纵向数据混合效应模型的统计分析[J].数学年刊A辑(中文版).2009(04)

[6]孙孝前，尤进红.纵向数据半参数建模中的迭代加权偏样条最小二乘估计[J].中国科学(A辑：数学)，2009(05).

[7]张三国，陈希孺.EV多项式模型的估计[J].中国科学(A辑)，2009(10).

[8]任哲，陈明华.污染数据回归分析中参数的最小一乘估计[J].应用概率统计，2009(03).

[9]张三国，陈希孺.有重复观测时EV模型修正极大似然估计的相合性[J].中国科学(A辑).2009(06).

[10]崔恒建，李勇，秦怀振.非线性半参数EV四归模型的估计理论[J].科学通报，2009(23).

[11]罗中明.响应变量随机缺失下变系数模型的统计推断[D].中南大学，2011.

[12]刘超男.两参数指数威布尔分布的参数Bayes估计及可靠性分析[D].中南大学，2008.

[13]郭艳.湖南省税收收入预测模型及其实证检验与经济分析[D].中南大学，2009.

[14]桑红芳.几类分布的参数估计的损失函数和风险函数的Bayes推断[D].中南大学，2009.

[15]朱琳.服从几类可靠性分布的无失效数据的bayes分析[D].中南大学，2009.

[16]黄芙蓉.指数族非线性模型和具有AR(1)误差线性模型的统计分析[D].南京理工大学，2009.

猜你喜欢：

1. 统计学分析论文

2. 统计方面论文优秀范文参考

3. 统计优秀论文范文

4. 统计学的论文参考范例

草履虫 草履虫是一种身体很小，圆筒形的原生动物，它只有一个细胞构成，是单细胞动物，雌雄同体。最常见的是尾草履虫。体长只有180—280微米。它和变形虫的寿命最短，以小时来计算，寿命时间为一昼夜左右。因为它身体形状从平面角度看上去像一只倒放的草鞋底而叫做草履虫 草履虫 paramecium 草履虫草履虫全身由一个细胞组成，体内有一对成型的细胞核，即营养核（大核）和生殖核（小核），进行分裂生殖时，小核分裂成新的大核和小核，旧的大核退化消失，故称其为真核生物。其身体表面包着一层表膜，除了维持草履虫的体型外，还负责内外气体交换，吸收水里的氧气，排出二氧化碳。膜上密密地长着近万根纤毛，靠纤毛的划动在水中旋转运动。它身体的一侧有一条凹入的小沟，叫“口沟”，相当于草履虫的“嘴巴”。口沟内的密长的纤毛摆动时，能把水里的细菌和有机碎屑作为食物摆进口沟，再进入草履虫体内，供其慢慢消化吸收。残渣由一个叫肛门点的小孔排出。 草履虫的生殖方式是分裂生殖。细胞器及功能 草履虫细胞器的功能分工如下： 口沟：取食 据估计，一只草履虫每小时大约能形成60个食物泡，每个食物泡中大约含有30个细菌，因此，一只草履虫每天大约能吞食43000个细菌，它对污水有一定的净化作用。 表膜：氧的摄入，二氧化碳的排出都通过表膜 大核：营养代谢 小核：生殖作用 食物泡：食物泡是草履虫进行胞吞作用产生的,进入细胞后将与初级溶酶体融合形成次级溶酶体。 伸缩泡及收集管：收集代谢废物和多余的水，并排出体外 胞肛：排出不能消化的食物残渣 纤毛：辅助运动，草履虫靠纤毛的摆动在水中旋转前进 注意：草履虫中没有线粒体，叶绿体，中心体以及细胞壁。[编辑本段]生态环境中的作用 草履虫属于动物界中最原始、最低等的原生动物。它喜欢生活在有机物含量较多的稻田、水沟或水不大流动的池塘中，以细菌和单细胞藻类为食。据估计，一只草履虫每小时大约能形成60个食物泡，每个食物泡中大约含有30个细菌，因此，一只草履虫每天大约能吞食43200个细菌，它对污水有一定的净化作用。草履虫的种类 草履虫的分类：草履虫属于纤毛纲，膜口目，草履虫科。世界上已经报导过的草履虫有22种 草履虫结构我国常见种至少有下述几种。 1．大草履虫 又叫尾草履虫，长180—280微米，后端圆锥形，锥顶角度约45至60度。两个伸缩泡均有收集管。有小核一个，致密型，椭圆形。生活在有机质较多的死水或缓流中。 2．双小核草履虫 长80－170微米，形似尾草履虫，但后部较前部更宽，后端锥形，顶角近90度。有伸缩泡两个，收集管较短。有两个小核，很小，泡型。生活环境和尾草履虫相同。 3．多小核草履虫 长180—310微米，形似尾草履虫，有时有三个伸缩泡。小核泡型，有3—12个。生活环境和尾草履虫相同。 4．绿草履虫 体长80—150微米。细胞质内有绿藻共生，在见光处培养后通体呈绿色。小核一个，致密型。生活在清水池塘。养殖与纯化养殖 草履虫是鱼幼苗生长必需的一种饵料。但其不易被发现，也很难捕捉，因此为补充其不足，应当人工饲养。其方法是： 取干稻草切成小段，直接浸泡于水中或煮后浸泡，用稻草浸出液作培养液。然后将浸过的稻草与水放进玻璃容器内，水占2/3以上，置于光照充足的地方。再到腐殖质丰富的地方去取种源，那里的水质应比捞红虫的坑塘水质清。舀回一桶水，取部分水体装入无色透明的小瓶内，对阳光细心观察，可见有白色小点悬浮于水中。如果看不见小白点，应用力搅动桶水，再取中央部位的水装入小瓶，对准光线看有无小白点。如见有小白点悬浮水中飘忽不定，可将此水倒如培养液中。将温度控制在22℃~28℃之间，1个星期后便可发现有草履虫的幼体了。喂其煮熟的牛肉汁，大约小时后分裂。纯化 取普通多孔水浴锅一只，在锅内安装一只暖棒（恒温加热器，温度范围16～32℃），加水、通电、调温至25℃；同时安放50ml、1000ml烧杯各一只，内盛自来水2/3左右。将野外采集的草履虫液在水浴锅中放置一周左右，取上层含有草履虫的澄清液数滴移入50mL小烧杯内培养。一周后，小烧杯内水面与杯壁相接处，就会有较多的草履虫，用细滴管沿杯壁取数滴移入1000ml烧杯中培养。经过1～5次转移培养，就能获得较纯的草履虫，即使有少量其他原生动物，也会被迅速繁殖起来的草履虫种群所抑制。若大量需用草履虫，可在塑料桶内安装暖棒调温至25℃，从上述培养液中取数滴于桶中培养，2周后即能繁殖出大量草履虫。 草履虫观察的注意事项 在显微镜下观察，最好在载玻片上放适量的棉花纤维，这样可以避免草履虫乱动。生活环境 喜生活在有机物丰富的池塘、水沟、洼地等。大多数草履虫是吞噬式营养，但绿草履虫是例外，体内含共生绿藻，这种绿藻可利用动物体排泄的含氮废物作为无机盐的来源，通过植物式光合作用制造有机物生存。