16.1 动态经济模型：自回归和分布滞后模型 16.2 伪回归现象：非平稳时间序列 16.3 平稳性检验 16.4 协整时间序列 16.5 随机游走模型 16.6 logit模型 16.7 总结

我们经常会碰到排队现象,如排队买火车票,排 队吃饭; 打的时也要排队;打电话时事实上也 会遇到排队现象,特别是高峰时;存在多个终端 共用一个分时系统时,每个想用主机的终端也 得排队,等等. 特点(以电话总机为例):呼叫发生的时刻,每次 通话延续的时间,一段时间内要求提供的线路 数量以及被延误的通话数都具有随机性

为了从机制上认识推进剂的宏观力学性能和试验现象,对推进剂开展细观力学研究十分必要,而代表体积单元(RVE)则是细观力学研究中的重要部分。在随机序列吸附(RSA)方法的基础上,提出将投递区域离散为背景网格,再进行二次随机投递,可以生成80vol%颗粒含量的细观模型,模型生成效率相较于传统RSA方法有所提高。采用Python语言编程,利用ABAQUS的二次开发接口,实现了推进剂RVE模型的快捷生成,并加载周期性边界条件。采用模型生成实例说明了本文方法的有效性,为开展推进剂的细观分析提供了参考依据

针对同质性增长模型无法描述各个经济体经济增长存在的异质性现象，提出了一类基于MCMC稳态模拟的异质性经济增长模型，它可以用来描述经济增长的异质性以及政策变量的差异影响。由于模型参数的后验条件分布没有确定的分布形式，通过数据扩充得到参数的完全条件分布从而实现模型参数的贝叶斯估计。对改革开放以来我周各省市区经济增长收敛性进行分析发现大规模股份制改革前经济增长具有同质性而大规模股份制改革后经济增长具有异质性，且可以用新古典经济增长理论来解释各地区经济的发展状况

第一节 性别决定 一、性别与性染色体 二、人类的性染色体 三、性别决定类型 四、性别决定的机制 第二节 伴性遗传 一、果蝇的伴性遗传（XY型性别决定） 二、人类的伴性遗传（XY型性别决定） 三、高等植物的伴性遗传（XY型性别决定） 四、鸡的伴性遗传（ZW型性别决定） 第三节 遗传染色体学说的直接证明 一、果蝇的X染色体不分开现象 二、初级例外子代和次级例外子代的出现原因 第四节 人类的性别畸形 一、几种性别畸形 二、基因突变在性别分化上的作用 三、人类的X染色体不分开现象 第五节 剂量补偿效应 一、性染色质体 二、剂量补偿效应与Lyon假说 三、X染色体随机失活的分子机制

通过采用一步纳米金属颗粒辅助化学刻蚀法(MACE)成功制备了多孔硅纳米线, 并主要研究了硅片掺杂浓度、氧化剂AgNO3浓度以及HF浓度对硅纳米线阵列形貌结构的影响规律. 研究结果表明: 较高的掺杂浓度更有利于刻蚀反应的发生和硅纳米线阵列的形成, 这是由于高掺杂浓度在硅片表面引入了更多的杂质和缺陷, 同时高掺杂浓度的硅片与溶液界面形成的肖特基势垒更低, 更容易氧化溶解形成硅纳米线阵列; 在一步金属辅助化学刻蚀法制备多孔硅纳米线阵列的过程中, 溶液中AgNO3浓度对于其刻蚀形貌和结构起到主要作用, AgNO3浓度过低或过高时, 硅片表面会形成腐蚀凹坑或坍塌的纳米线簇, AgNO3浓度为0.02 mol·L-1时, 硅纳米线会生长变长, 最终形成多孔硅纳米线阵列. 随着硅纳米线的增长, 纳米线之间的毛细应力会使得一些纳米线顶部出现团聚现象; 且当HF溶液浓度超过4.6 mol·L-1时, 随着HF酸浓度的增加, 硅纳米线的长度随之增加. 同时, 硅纳米线的顶部有多孔结构生成, 且硅纳米线的孔隙率随HF浓度的增加而增多, 这是由于纳米线顶部大量的Ag+随机形核, 导致硅纳米线侧向腐蚀的结果. 最后, 根据实验现象提出相应模型对多孔硅纳米线的形成过程进行了解释, 归因于银离子的沉积和硅基底的氧化溶解

针对亚微米尺度晶体元器件在加工和服役中出现的反常力学行为和动态变形等问题，基于离散位错动力学理论建立了单晶铜塑性变形过程的二维离散位错动力学模型。该模型考虑外加载荷、位错间相互力和自由表面镜像力对位错的作用机制，引入了截断位错速度准则。与微压缩实验对比验证了模型的正确性，并且能够描述力加载描述的位错雪崩现象。应用该模型分析了不同加载方式和应变率下位错演化及力学行为，结果表明：当外部约束为力加载和位移加载时，应力应变曲线分别呈现出台阶状的应变突增和锯齿状的应力陡降，位错雪崩效应的内在机制则分别归结为位错速度的随机性和位错源开动的间歇性；应变率在102～4×104 s?1范围内，单晶铜屈服应力的应变率敏感性发生改变，位错演化特征由单滑移转变为多滑移面激活的均匀变形，位错增殖逐渐代替位错源激活作为流动应力的主导机制

在物理学中,很多确定性现象遵从如下演变原 则:由时刻t系统或过程所处的状态,可以决 定系统或过程在时刻t>t所处的状态,而无需 借助于t以前系统或过程所处状态的历史资 料.如微分方程初值问题所描绘的物理过程. 将这样的原则延伸到随机现象,引入马尔可夫 性或无后效性:过程(或系统)在时刻t所处的 状态为已知条件下,过程在时刻tt所处状态 的条件分布与过程在时刻t之前的状态无关. 即已经知道过程\现在\的条件下,其\将来\ 不依赖于\过去\