p—范分布母体抽样分布的数字特征

给出了ｐ－范分布子样的３个抽样分布－ｘ＾ｐ分布,ｔｐ分布及Ｆｐ分布的分布函数及数学期望,方差与不确定度区间的计算公式,并对若干有关分布的应用总理２进行讨论。     

p—范分布母体的抽样分布

定义了Ｘ＾ｐ分布,ｔｐ分布及Ｆｐ分布,导出了它们的分布密度函数。应用这此分布可对ｐ－范分布子样进行假设检验等统计分析。     

p-范分布的统计特性

本文利用特征函数,得到了ｐ－范分布的几条重要性质。     

p—范分布的统计特性

本文利用特征函数,得到了ｐ－范分布的的几条重要性质。     

p－范分布密度函数的推导

用较为简便的方法推导了一元及ｎ元ｐ－范分布的密度函数，研究了它的几个性质。     

GIS中数字化数据误差的分布检验与处理

对ＧＩＳ中手工地图数字化中的数据误差进行了系统分析和各种分布检验,认为数字化数据误差可能服从ｐ≈１．６的ｐ－范分布。在此基础上,探讨了数字化数据误差处理的ｐ－范平差,并与最小二乘平差进行了比较。     

p—范分布密度函数的推导

用较为简便的方法推导了一元及ｎ元ｐ－范分布的密度函数，研究了它的几个性质。     

p-范分布母体的抽样分布

定义了Xp分布,tp分布及凡分布,导出了它们的分布密度函数。应用这些分布可对P一范分布子样进行假设检验等统计分析。     

污染分布下的Lp估计抗差测度

观测数据中含有粗差成异常值扰动的误差分布可视为污染分布,根据Ｍ的估计理论,导出Ｌｐ估计的影响函数,分析Ｌｐ估计的抗差能力,并用效率来测度估计的优劣,综合抗差能力和效率,指出观测数据中有粗差的扰动,应用ｐ为（１．２,１．５）的Ｌｐ估计来进行处理。     

一定分布模式下的最优Lp估计

观测数据在一定的分布模式下,需从理论上解决究竟用多大的ｐ值进行Ｌｐ估计（最优ｐ值的确定）,本文基于渐近方差整体最小的原则,给出了最优Ｌｐ估计的定义。观测数据中含有粗差（异常值）的扰动,其误差分布可视为污染分布,作者分析了最优ｐ值的大小,结果表明,若观测数据中含有不同大小、数量的粗差,为使Ｌｐ估计差最小,则ｐ将取［１．２,１．５］中的某一定值,Ｌｐ估计结果最优,此结论对测量数据处理具有一定的参考价值