基于Behrens-Fisher问题的高考地域分差推导方法

技术领域

本发明涉及统计学技术领域，具体涉及一种基于Behrens-Fisher(贝伦斯-费希尔)问题的高考地域分差推导方法。

背景技术

考生在填报志愿的时候有多种角度可以选择，例如基于专业优先、高校优先、就业优先和地域优先等。许多考生和家长都对地域的选择非常重视，因为地域象征着一个平台。众所周知北上广深等发达或者沿海城市的毕业生很大概率会比其他城市的毕业生拥有更多选择的机会，所以选择报考发达城市的高校往往成为大多数考生的倾向趋势。

地域分差是由于经济发展水平、高等教育资源、考生总体规模、基础教育质量、同分人数密度、同分段分数竞争力等方面的差异导致的，考生报考不同省份高校时的地域分数差值。比如，在某省同分段考生中，80％选择一线城市、20％选择偏远地区，这样就会造成偏远地区分数增值、热门地区分数贬值的情况。

现有的一些高考平台大多没有从地域优先的角度来考虑志愿的填报问题，少数是在预测该地区高校下设专业录取的概率，而没有将地域分差考虑在内。将地域录取分数的差异直观地表现出来对于填报志愿起到至关重要的作用，会给倾向于地域优先来选择高校的考生提供关键的报考参考依据。

发明内容

本发明旨在给出高考填报志愿时地域分数差异的计算方法，基于Behrens-Fisher问题的统计学理论，解决了基于地域优先的报考考生的志愿选择问题。

为解决上述技术问题，本发明的具体步骤为：

基于Behrens-Fisher问题的高考地域分差推导方法，其特征是：该方法由以下步骤实现：

步骤一、数据的收集与统计；

步骤二、对各省考分做等同分数处理；

步骤三建立等同分数样本的概率密度模型；

步骤四、运用基于Behrens-Fisher问题的统计学理论对地域分差进行推导。

进一步的，步骤一中，所述数据的收集与统计具体过程为：

对各省考生总体规模、同分人数密度、各高校以及专业在各省每年最低录取分数和平均录取分数、高校招生计划数据的收集和统计，以及对过往近3～5年上述的数据做相应统计。

进一步的，步骤三中，建立等同分数样本的概率密度模型，具体过程为：

设定样本序列S＝(s

式中，

进一步的，对地域分差推导时，运用信仰推断法：

选取两个城市的等同分数样本分别为X＝(X

构造μ

式中，

e

式中

其中

其中

记W＝cosθ·t

P{-w(θ,m-1,n-1)≤W≤w(θ,m-1,n-1)}＝1-α

其中0＜α＜1为显著性水平；

则

本发明的有益效果：本发明提供了一种高考地域分差的推导方法，相对于现有的高考志愿推荐方法，本发明考虑了地域的维度，地域分差可以给更重视地域的考生和家长一个分数增值和贬值多少的参考，补充了现有技术的漏洞，且表现形式直观易懂。

附图说明

图1为本发明所述的基于Behrens-Fisher问题的高考地域分差推导方法的流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明的目的、特征和优点。需要说明的是，所描述的实施例是本发明中的一部分实施例，而并不是全部。本发明不限于具体实施方式的范围，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

为了更好地说明本发明的方案，下面将结合说明书附图进行说明。参考图1，为本发明提供的基于Behrens-Fisher问题的高考地域分差推导流程图，具体步骤如下：

步骤1、数据的收集与统计；

对各省考生总体规模、同分人数密度、各高校以及专业在各省每年最低录取分数和平均录取分数、高校招生计划数据的收集和统计，以及对过往近几年上述的数据也要做相应统计。

步骤2、对各省考分做等同分数处理；

基于考生规模，同分人数密度等因素计算当年分数相当于往年的分数，即等同分数。本实例中考虑吉林省和山东省两个省份。

步骤3、建立等同分数样本的概率密度模型；

该样本序列S＝(s

概率密度函数为：

其中ω(x)为白噪声，来刻画各种影响录取的不确定因素。

步骤4、运用基于Behrens-Fisher问题的统计学理论对地域分差进行推导；

选取吉林和山东的等同分数分别为X＝(X

本实施方式中，构造μ

有函数模型：

其中

其中

其中

其中

记W＝cosθ·t

P{-w(θ,m-1,n-1)≤W≤w(θ,m-1,n-1)}＝1-α

其中0＜α＜1。w为W的函数表示形式，统计学中样本变量用大写形式，函数用对应的小写形式。

那么

在本实施例中计算了吉林省和山东省的地域分差，通过代入相应数据，最终得到吉林省相对于山东省差值区间为(-25,-13)。