区间估计中一个问题的探讨

讨论了正态总体的均值已知时方差的区间估计．两种方法找到了不同的置信区间,通过举例和分析x2分布表,对这两个区间进行了甄别．     

正态总体方差最短置信区间的研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度γ=0．90，0．95和0．99，在样本容量n从3到30的范围内，在正态总体均值未知的情形下，求得了方差σ^2的最短置信区间，并对用通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明，在小样本的情形下，用最短置信区间来作未知方差σ^2的区间估计，将会使估计精度得到显著的提高。     

正态总体参数区间估计的MATLAB实现

本文介绍了MATLAB软件的normfit()函数在求解正态总体参数的区间估计中的长处和短处,结合实例编写了MATLAB程序求解标准差σ已知时均值μ的置信区间和均值μ已知时标准差σ的置信区间,弥补了normfit()函数在该方面的不足.     

正态总体均值与标准差比在树序约束下的最大似然估计

考虑3个正态总体均值和方差都是未知参数及所取的3个正态总体样本数不等时, 均值和标准差的比在树序约束下的极大似然估计. 根据PAVA算法的思想, 给出了均值和标准差的比在树序约束下的极大似然估计的计算方法.     

半参数回归模型的误差方差估计的注记

考虑半参数回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R上未知函数，σo＝D（e1）．建立了D（e1）的估计量Sn，并在适当的条件下证明了Sn依概率收敛于D（e1）以及n（σn－σo）／Sn依分布收敛于标准正态、后一结果可直接用于构造σ2的大样本区间估计或对σ2进行大样本检验等．     

多个正态总体均值与标准差比在简单树序约束下的最大似然估计

考虑k(k>3)个正态总体均值与标准差(均值和标准差均未知)之比在简单树序约束下最大似然估计的求解问题, 应用保序回归理论给出了计算均值和标准差最大似然估计的迭代算法, 并证明了所给迭代算法是收敛的, 给出了k=7时利用迭代算法的模拟结果.     

两样本正态总体方差比的最短置信区间研究

用最优假设检验的统计量来构造出两正态总体方差比的枢轴量,分析出基于这一枢轴量用概率对称得到的置信区间的长度并不是最短的。从最短置信区间的本质意义出发,构造出求解最短置信区间的条件并证明其解的存在唯一性,通过数值计算的方法,对于给定置信度1((=0.95,对样本容量从(5,6)至(41,41)的范围内在两正态均值总体未知的情况下,求得了最短置信区间,并与按概率对称求得的置信区间进行了区间长度对比分析。结果表明,在小样本时,用文中求得的最短置信区间来做方差比的区间估计,精度将会得到显著的提高。     

缺失数据p-范分布的极大似然估计

讨论了具有部分缺失数据p-范分布总体的未知参数σ的极大似然估计,证明了估计量的强相合性和渐近正态性。     

多个正态总体均值与标准差比在简单树序约束下的最大似然估计

考虑k(k>3)个正态总体均值与标准差（均值和标准差均未知）之比在简单树序约束下最大似然估计的求解问题, 应用保序回归理论给出了计算均值和标准差最大似然估计的迭代算法, 并证明了所给迭代算法是收敛的, 给出了k=7时利用迭代算法的模拟结果.     

两正态分布总体变异系数差的区间估计

通过参数Bootstrap方法和广义推断方法得到了两正态分布总体变异系数差的区间估计,并通过模拟计算比较两种方法的优劣.利用Bootstrap方法,得到了参数Bootstrap样本,计算两总体变异系数差的区间估计;采用广义区间估计法,分别构造两个正态分布总体变异系数的广义枢轴量,求解两正态分布总体变异系数差的区间估计,最后通过模拟计算比较两种区间估计.研究结果表明,广义推断法能够更好地进行区间估计.     

未知方差下回归系数常用估计的可容许性

假设一个”维随机向量Y服从正态分布N(β，σ^2In)。在二次损失下，当n≥3和σ^2已知时，Stein在1956年指出Y不是β的容许估计，这是统计判决理论中一个著名的结果，成平在1982年对Stein结果给出了一个有趣的补充，他证明了当σ^2未知时，Y是β的容许估计。这篇文章是成平结果的一般化，即在一个宽广的分布类中，证明了当方差未知时，回归系数最小二乘估计是容许的。这表明当方差未知时，回归系数最小二乘估计是一个适合的估计。     

强混合序列部分和乘积的渐近正态性

设{X_n,n≥1}是同分布正的强混合随机变量序列. 利用强混合序列的中心极限定理以及大数定律, 在适当的条件下证明了 N为标准正态随机变量.     

χ~2分布的分位数讨论及其应用

对于Х^2分布利用序贯试验法中的黄金分割法,研究了其在给定α（0〈α〈1）,满足P（a〈Х^2〈6）=1-α的最短区间问题,并进行了计算．然后对于Х^2分布参数在给定的置信度下,应用上面方法求得了此时的最短置信区间,对上法求得的最短区间与通常所用的置信区间进行比较,得到在小样本情形下优化后的结果能显著提高估计精度．     

ρ-混合序列部分和之和乘积的渐近分布

设{Xn,n≥1}为一严平稳ρ 混合的正的随机变量
序列, 满足EX1=μ>0, Var X1=σ2<∞. 记Sn=∑〖DD(〗n〖〗i=1〖DD)〗X
i, Tn=∑〖DD(〗n〖〗i=1〖DD)〗Si, γ=σ/μ. 利用ρ 混合序列的强极限定理
, 在较弱的条件下证明了〖JB((〗∏〖DD(〗n〖〗k=1〖DD)〗〖SX(〗2Tk〖〗k(k+1)
μ〖SX)〗〖JB))〗1/(γσ1〖KF(〗n〖KF)〗)〖FY(〗d〖FY)〗e〖K
F(〗10/3〖KF)〗N(n→∞),
其中: σ21=1+〖SX(〗2〖〗σ2〖SX)〗∑〖DD(〗∞〖〗j=2〖DD)〗Cov(X1,X
j)>0; N为标准正态随机变量.     

单边检验在方差检验中的局限性

论证了方差的原假设H0:(σ2≤σ20)或(σ2≥σ20)只进行单边检验的局限性——只给出一个拒绝域是不够完善的;首次提出H0:(σ2≤σ20)或(σ2≥σ20)进行双边检验的方法及双边拒绝域.     

含扩散与无限时滞的竞争型Lotka—Volterra模型的周期解与稳定性

研究了一类含扩散与无限分布时滞的竞争型Lotka—Voherra生态模型,利用对应特征值问题解的性质和比较原理,通过对应周期抛物系统δui（t,x）/δt-Aiui（t,x）=ui（t,x）[ai（t,x）-bi（t,x）ui（t,x）],（i=1,2） 的周期解得到模型的上下解（u1,u2）,（0,0）,证明了模型在所对应的特征方程的主特征值σ1（ai）≥0,（i=1,2）时存在全局渐近稳定的平凡解,当σ1（α1）〈0,σ1（α2）≥0和σ1（α1）≥0,σ1（α2）〈0时分别存在全局渐近稳定的半平凡解（θ1（t,x）,0）和（0,θ2（t,x））。并采用单调迭代技巧构造恰当的T-周期序列,证明了对任意的非负初始值,模型存在一对周期正解及其渐近稳定的条件。     

有限对称逆半群的类A子半群

设In是集Xn={1,2,…,n）上的对称逆半群,设σ包含于Xn×Xn且σ={（n,n-1）,…,（3,2）,（2,1））,令Iσ={α∈In： x,y∈dom α,（x,y）∈σ=〉（xa,ya）∈σ）∪{Φ},在此证得Iσ是In的一个类A子半群,进一步研究了Lσ的Green＊关系．     

关于遗传超仿紧空间的Tychonoff乘积性质

本文主要证明：（1）如果∏σ∈∑Xσ是遗传｜∑｜-超仿紧空间,则X是遗传超仿紧空间当且仅当А↓F∈∑,∏σ∈FXσ以是遗传超仿紧空间．（2）设x=∏σ∈∑Xσ以是遗传可数超仿紧空间,则下列三条等价：X是遗传超仿紧空间;А↓F∈[ω]^〈ω,∏i∈FXi是遗传超仿紧空间;А↓n∈ω,∏isnXi是遗传超仿紧空间．     

平方补数与除数和函数的混合均值

考虑平方补数S2（n）与除数和函数σ-1（n）的混合均值,用解析方法得到了∑n≤xσ-1（S2（n））n的渐近公式,所得结果补充了有关文献的结论.     

空间混合自回归模型的局部影响分析

基于一阶导数方法,对空间混合自回归模型进行局部影响分析.当模型中误差向量的均值发生扰动时,依据极大似然方法对模型中自回归系数ρ和方差σ2分别构造了检测强影响点或异常点的最大影响方向dmax,ρ和dmax,σ2.数据模拟研究表明,基于dmax,σ2的检测效果明显优于dmax,ρ的效果.同时,对一个实际数据的分析,说明所得结果在实际研究中也是有用的.