资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

相继调查中的轮换样本问题

本文以无放回简单随机抽样(SRSWOR)为例,讨论了相继调查中的轮换样本问题,证明了一个基本定理,从而为充分利用数据信息构造总体特征的估计奠定了基础.文中还提出了若干总体均值、发展速度和增长量的估计量,并由基本定理点出了这些估计量的均值和方差。     

NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n-(rs-2)/2(s+2)).     

NA样本情形下Gamma分布族参数的经验贝叶斯估计

现有文献中关于EB估计的结果大多是针对相互独立同分布的样本而考虑的,然而在可靠性理论,渗透理论和某些多元统计分析问题中,随机样本常常不是独立同分布的.本文讨论了Gamma分布族在平方损失下参数的贝叶斯估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,在适当条件下证明了EB估计的渐近最优性,并获得了其收敛速度.     

平衡半样本的方差估计方法在Warner模型中的应用

;基于平衡半样本的方差估计方法是应用在分层抽样而又能提高效率的一种方法,本文将基于平衡半样本的方差估计应用在Warner模型中,得到了Var{π<,st>}的一个无偏估计量.     

WOD样本下VaR核估计的强相合性及Bahadur表示

风险价值是金融界测量市场风险的主流指标，被众多金融机构所采用，其估计量的研究是一个值得探讨的问题.利用WOD序列的性质及其指数不等式，在WOD样本下研究风险价值核估计量的性质，同时给出风险价值核估计的收敛速率和Bahadur表示，运用数值模拟的方式评估核估计的效果，所获结论推广了相关文献的研究结果.     

无偏估计量调整因子的求解

无偏性是衡量统计量优良性的常用标准之一。经济数学教材中，已经证明了正态分布的样本方差是总体方差的无偏估计量，但样本标准差并非是总体标准差的无偏估计量，本文利用Г(z)函数和Ⅹ^2(卡方)分布给出了其调整因子的详细求解过程。另外，对于总体为指数分布、均匀分布的情形，也给出了结果，并用克拉美—劳不等式给予进一步的讨论。     

系统抽样事后分层情形下域的估计

通过定义总体上的一个新的随机变量，给出了系统抽样事后分层情形下，域的目标估计量的模型一设计无偏估计量以及估计量的方差估计，而且证明了这个方差估计是此估计量的理论方差的无偏估计。     

厚尾均值渐变变点的最小二乘估计

利用最小二乘估计方法,给出随机误差为ARCH过程的均值渐变变点估计量,并证明了该估计量的相合性及收敛速度.通过Monte Carlo模拟说明估计的有效性.     

中位数排序集抽样下总体均值的比率估计方法

分析了中位数排序集抽样下总体均值的比率估计方法,证明了该估计量具有渐进无偏性,并讨论了两种抽样方法下估计量的相对效率.算例表明,在总体分布为正态分布的情况下,基于中位数排序集样本的比率估计比随机抽样下的比率估计效率高.     

对参数不确定神经网络的鲁棒状态估计

讨论了参数不确定神经网络的状态估计问题.由于参数的不确定性,无法设计观测器使观测器的状态与原来的神经网络达到完全同步,只能将误差控制在一定范围之内.对于给定的观测器中的增益矩阵,给出了判据来估计观测器的状态与原神经网络的状态间最终的误差界;同时,通过使用线性矩阵不等式的技术,给出了观测器中增益矩阵的设计方法.此外,对误差界的估计进行讨论,说明了影响估计准确性的主要原因.最后用2个例子来说明这些判据的有效性.     

竞争风险场合PL型估计的渐近正态性

为了在竞争风险场合考虑生存函数（或分布函数）的估计问题,本文构造了竞争风险场合分布函数的乘积极限（PL）型估计。运用经验过程的逼近理论及Taylor展开方法,给出了估计在全直线上的弱一致收敛速度,并证明了估计的渐近正态性。     

Kernel density estimation under widely orthant dependence

The kernel density estimator for widely orthant dependent random variables is studied. The exponential inequalities and the exponential rate for the estimator of a density function with a uniform version over compact sets are investigated. Further, the consistency of the estimator is proved. The results are generalizations of some existing outcomes for both associated and negatively associated samples. The convergence rate of the kernel density estimator is illustrated via a simulation study. Moreover, a real data analysis is presented.     

排序集抽样下随机截尾数据的平均寿命估计

为了提高随机截尾数据平均寿命的估计效率,采用平均秩思想,提出了基于排序集抽样方法的非参数估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明,排序集抽样效率高于简单随机抽样.最后,实际数据的应用结果验证了理论结果的正确性.     

一种加权对称损失函数下一类指数分布模型参数的估计

对刻度参数指数分布模型c(x,n)θ-v e-T(x)/θ提出了一种新的损失函数——加权p,q对称熵损失函数L(θ,δ)=θp/pδp +δq/qθq -2(p,q＞O,q＜v),并用它研究了刻度参数θ的估计.得到了参数θ的最小风险同变估计与Bayes估计的一般形式与精确形式,这两种估计形式比已有文献中相应形式更为简捷...     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

混合系数线性模型参数的岭估计

在连续测量数据情况下，针对模型的复共线性，给出了混合系数线性模型参数的两种岭估计，讨论了岭估计的相关性质，并证明了在均方误差意义下，通过选取适当参数，岭估计可优于最小二乘估计，最后讨论了岭估计的可容许性并给出了岭参数的选取方法。最终得到了岭参数的最优估计。     

线性估计在矩阵损失下的可容许性

研究了多元线性模型Y～N(XΘ，σ     

针对固定重量板坯的板坯设计优化算法

针对板坯重量被事先确定的情况,提出了客户订单重量需求规格和宽度需求规格为区间值的板坯设计问题,建立了最小化板坯数量和总盈余量的多目标板坯设计模型. 基于构建的订单-板坯矩阵和板坯相容集合,提出了一种两阶段的板坯设计最优算法,算法的第一阶段实现板坯数量最小化,第二阶段实现总盈余量的最小化. 针对提出的算法,给出了最优性质的理论证明以及基于实际数据的应用算例.     

部分可观测耦合随机抛物方程组的参数估计

本文研究加性时空白噪声驱动下的部分可观测耦合随机抛物方程组的参数极大似然估计量.在观测时间和噪声强度不变的条件下，本文证明了估计量的强相合性和渐近正态性.数值算例验证了理论结果.