一般岭估计的效率

本文讨论了一般Gauss-Markif模型中未知参数向量的最优线性无偏估计的改进问题,引入了一般岭估什的概念及一种新的相对效率,证明了此种效率定义的合理性,并在岭参数的一定限制下,给出了这种估计效率的一个下界。     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广州岭估计优于LS估计的一个充分条件,从而把文献中,岭估计优行LS估计的充分条件统一起来。     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ ε;Ε(ε)=0;cov(ε)=σ2I下给出了有偏估计βc*(K)=(cXTX ΦKΦT)-1XTY,其中c≥1,K=diag(k1,k2,…,kn)为对角阵,ki≥0,讨论了这种有偏估计的可容许性,利用Stein式压缩技术说明在均方误差意义下它优于广义岭估计,推广了有关结果.     

关于p-Laplace算子的一个最优估计

M是带度量g的n维非紧黎曼流形,1p≤2给定常数,△_p是M上的p-Laplace算子,借助于经典的Li-Yau的方法证明了在一定的曲率条件下,满足方程△_pu=-λ|u|~(p-2)u的正函数的一个梯度估计,其中λ≥0是常数;同时得到了λ的一个上界估计;进一步说明了此估计是最优的.推广了关于Laplace算子△的椭圆方程△u=-λu梯度估计的结果.     

Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.     

Bayes积分比估计与Bayes中值估计

本文从相对差损失函数与绝对差损失函数出发,导出了两种新的Bayes解—积分比估计与中值估计.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

数字线估计研究:回顾与展望

数字线估计是当今估计研究中的亮点,被认为是有关估计研究中较为理想的研究范式。论文简要阐释了数字线估计的涵义及估计表征理论,回顾了数字线估计的相关研究,具体分析了数字线估计成绩的评价标准和影响因素,最后进一步探讨了有关研究前景。     

均匀分布U[θ-a,θ+a]中参数θ的估计简

首先给出了均匀分布U[θ-a,θ＋a]中参数θ的四种点估计量;然后引入了矩估计、最大似然估计,分别计算其期望、方差,来判断四种估计量的无偏性、相合性及有效性;最后,给出了参数θ的区间估计.     

约束线性回归模型的一种新的可容许估计

对于带约束的线性回归模型y=Xβ+e,E(e)=0,Cov(e)=σ2W,W＞0,Xβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R,给出了在均方误差阵意义下新的估计β*R(k)优于约束最小二乘估计β*R的条件.     

协方差的最优二次型无偏估计

在二维总体与正态分布具有相同的前四阶矩的条件下,利用矩阵迹的一个不等式,讨论了协方差的二次型估计.证明了一个常用的估计量为协方差的最小方差二次型无偏估计.     

T^2—分布的非中心参数的估计

本文讨论了T~2-分布中非中心参数的点估计与区间估计问题.     

决策理论中参数矩阵估计的最优性问题

本文得到了有关参数矩阵的估计的最优性的一般结论,井对几种重要的参数矩阵的最优性问题进行了讨论,同时讨论了有关参数矩阵的问题。     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

T~2-分布的非中心参数的估计

本文讨论了T~2-分布中非中心参数的点估计与区间估计问题。     

广义特征根估计

提出线性回归模型参数向量β的一种新估计方法一广义特征根估计，讨论了它所特有的一些性质，同时给出参数向量ｔ的一个选择准则，并通过实例比较了ｔ的各种选择效果．     

q -对称熵损失函数下Pareto分布参数估计

Pareto分布作为一种收入分布有着很重要的现实意义,其形状参数的大小直接影响收入分布的均衡程度,因此在经济中有着广泛的应用价值.主要研究了q-对称熵损失函数下Pareto分布形状参数的最小风险同变估计和Bayes估计.通过证明得到,在适当的Γ-先验分布下,α的Bayes估计都具有统一的形式[cT＋d]-1.并且,针对c和d的各种不同取值情况,讨论了[cT＋d]-1的可容许性和不可容许性,给出了q-对称熵损失函数下参数的最小最大估计.     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

Linex损失下二项分布参数的Bayes估计

在Linex损失函数下讨论了二项分布参数的Bayes估计,当先验分布取Beta分布和幂分布时分别给出了参数的Bayes估计,多层Bayes估计,E-Bayes估计的精确形式,并证明了Bayes估计的可容许性.     

极大似然法和概率加权矩法之比较分析

用极大似然法和概率加权矩法对Gumbel分布中的参数进行估计，从理论上讨论了二种估计方法的统计性质。