最佳线性无偏估计中的W-K统计量

本文提出了最佳线性无偏估计中的W-K统计量，用它讨论了数据的影响，并建立了它与相关系之间的关系，推广了文献[1]和[2]的结果。     

岭型主成分估计的最小方差和(英文)

讨论岭型主成分估计在一类降维估计中的方差性质,证明了它的方差和在这类降维估计中最小。文[1]的结果是本文的特例。     

影响分析中岭估计的广义方差比研究

本文利用广义方差比度量在线性模型中剔除一组或多组数据对岭估计的影响.给出了剔除前后岭估计的广义相关系数的表达式,并得到了某些一般的结果。     

广义岭型主成分估计在降维估计类中的方差最优性质

定义了一类降维估计,称为广义岭型降维估计类.在这类降维估计中,用矩阵求特征值的方法研究了广义岭型降维估计的方差最优性质.证明了它的方差阵最小,方差阵的特征值最小.进一步导出了广义岭型主成分估计的方差和、方差阵特征值乘积及方差阵的正交不变范数最小.     

岭估计中的W—K估计量与广义相关系数

Weldsch-Kuch(1979)提出了一个度量数据对最小二乘估计影响大小的统计量。吴诗泳等讨论了这个统计量与相关系效的关系。本文提出了岭估计中的W-K统计量,建立了它与广义相关系数的关系。     

改进的非正定方差阵下证券组合投资模型

为了更全面的研究各类方差阵下的证券组合投资模型,在分析非负定方差阵下的证券组合投资模型[1]的基础上,利用线性代数的二次型及对称阵的相关理论知识,提出了非正定方差阵下证券组合投资模型的改进方法,使得模型中的方差阵最终转化成正定阵.此模型对于研究协方差矩阵为非正定的证券组合投资模型的最优投资比列系数有一定的参考价值.     

压缩主成分估计的方差最优性质

结合压缩估计与主成分估计的思想方法,提出了压缩主成分估计.讨论了它在降维估计中的方差最优性质,推广了文献[1]的主要结果.     

广义岭型主成分估计的方差最优性质

主要讨论了在广义岭型降维估计类中,广义岭型主成分估计的方差性质.在一定条件下,证明了广义岭型主成分估计的协差阵的特征值、行列式及正交不变范数最小.     

W-K合金中空位型缺陷的浓度和尺寸研究

W-K合金具有熔点高,抗热冲击性能强,抗氢氦等离子辐照能力强等众多优点,特别是钾泡的形成能稳定晶界、充当钉扎点和细化晶粒的作用,从而改善了W-K合金材料的性能.由于正电子寿命谱分析技术对纳米尺度的空位型缺陷极为敏感,因此本文采用该方法测量了正电子在不同钾含量下W-K合金的寿命值大小和相应的强度,并依据正电子湮没的两态捕获模型,对拟合的正电子寿命成分进行数据处理,同时对钾泡浓度和尺寸的变化情况进行了分析和讨论.     

S-单式环的变换条件

文献[1]讨论了一类S—单式环的交换性条件,推广了文献[2]和文献[3]中的某些结论.在文献[1]的基础上继续讨论了此课题.得到了比文献[1]中一些结论更为广泛的结果和新的结论.     

边界条件下线性模型的影响分析(英文)

建立了边界条件下线性模型中的Cook距离,W—K统计量和A—P统计量。用它们研究了数据对约束最小二乘估计及拟合值的影响问题,得到了一些有意义的结果。     

加权线性回归模型的BLUE影响分析

讨论了一组或m组数据扰动或删除前后BLUE的变化及协方差扰动和数据删除对BLUE的混合影响,分别建立了β^W(J),^βW(i),^βW,gi(j)与^βW的关系;提出了度量数据扰动或删除对BLUE的影响的W K统计量,并给出了W K统计量与广义相关系数的关系,得到KI(J)与KI(I)的上下界;最后用实例说明了W K统计量在影响分析时的有效性.     

混合估计的影响分析

讨论数据对混合估计的影响问题。建立了几个影响度量，用它们研究了数据对混合估计的影响大小，并找到了它们与相关系数之间的联系。     

最佳线性无偏估计中的影响度量与相关系数

本文提出了最佳线性无偏估计中的二个影响度量：Ｃｏｏｋ距离与广义方差比，讨论了它们的统计性质，并揭示了它们与相关系数和内在联系。     

基于对称损失函数下Poisson分布变异系数的估计

对应用统计中常用的参数Karl-Pearson变异系数,在给定的一组Poisson样本下,用对称损失函数研究了它的Bayes估计的形式与性质,并由此讨论了它的一类估计的可容许性和不可容许性,模拟结果表明:所得到的Karl-Pearson变异系数的Bayes估计具有较高的精度,可以在统计判决问题中使用.     

变换数据对约束线性模型拟合值的影响

研究变换数据对约束线性回归模型拟合值的影响问题，提出了Ｗｅｌｓｃｈ－Ｋｕｈ统计量，广义方差比等统计量作为变换对约束ＢＬＵ估计下拟合值影响大小的度量，得到时了影响的上界与下界，同时与广义相关系数建立了一定的联系。