【地质数据中异常点和影响点的统计诊断及其应用】向黎明.pdf

绪论在地质研究和矿床预测中,一个主要目的是通过已知的样品数据来描述矿产资源的分布规律、富集状况并寻找矿产异常,为地质勘探和找矿提供依据.其中地质异常诊断尤为重要。传统的方法是根据经验直观观察有关数据,或根据趋势拟合的残差分析进行异常识别(王1982)。但对于较复杂的模型(如混合模型)和空间数据的情形,传统方法有很大的局限性。随着地质科学向定量化的发展,大量新的统计方法被应用于地质研究中(王、胡1984,王1982、1995,Isaaks1989等)。特别由于电子计算机的高速发展和广泛应用给统计学的发展和方法更新提供了有利条件。

二、单向分类随机效应模型的异常点探查在第二章中,考虑混合效应模型的一个特殊形式一单向分类随机效应模型中异常点的检验问题,详细讨论了客种异常假设下单个异常值的探查。主要研究工作包括:分别定义了随机效应和误差变量上的异常模型,导出了在随机效应的异常均值滑动模型下异常值的检验统计量及其精确分布,证明了该检验的优良性质-一致最优无偏性,对误差变量上的异常提出了一个近似的检验过程,随机模拟给出近似检验的临界值表.最后用一组模拟数据进行检验,验证了本章所有方法的有效性。

第一章混合线性模型效应参数的影响分析对于一般模型参数随机化的情形,影响分析已有不少文献进行过探讨(石 1991,Xiang1994),得到了较好的结果。但对于混合模型中参数估计的影响分析问题仍有待于进一步开发。一般形式的混合模型的影响分析的研究比较复杂,其主要原因是模型参数的估计多用选代法,不易得到明显表达式。本章针对混合模型中效应系数的极大似然估计和经验Bayes估计进行影响分析,寻找数据中的强影响点。在第2节中导出单点剔除模型下参数估计与原模型下相应估计之间的联系,第3节给出剔除单点后参数估计及其估计精度的影响度量。最后讨论具体算法并对一实例进行分析.1.