对数正态参数估计的损失函数和风险函数的Bayes推断

方差已知时,给出共轭先验分布为正态分布下,对数正态分布的损失函数和风险函数的Bayes估计,得到其Bayes估计为保守估计的条件.     

不同损失函数下偏正态分布的Bayes估计

在二次损失函数和平衡损失函数下, 研究偏正态分布的Bayes估计及估计的优良性, 给出了不同模拟方法的结果, 并比较了不同损失函数下Bayes估计的差异性.     

熵损失函数下巴斯卡分布参数的Bayes估计

研究在熵损失函数下 ,巴斯卡分布可靠度的 Bayes估计及其可容许性 ,并且给出 Bayes置信下限以及多层 Bayes估计的表达式     

一种对称损失函数下几何分布参数的Bayes估计

研究在一种对称损失函数下,几何分布参数的Bayes估计、多层Bayes估计,并讨论Bayes估计的可容许性及置信下限.     

多维正态分布参数估计的损失函数和风险函数的Bayes估计

在N P（θ,Σ）和方差Σ已知情况下,给出了多维正态分布多维参数均值θ=（θ1,θ2,…,θΡ）估计的损失函数和风险函数的Bayes估计。     

加权平衡损失函数下逆伽马分布的Bayes估计

在逆伽马分布尺度参数的先验分布为其共轭先验分布伽马分布Γ(a,b)时,给出了其在加权平衡损失函数下的Bayes估计、E-Bayes估计和多层Bayes估计.最后通过数值模拟,说明了此3种估计具有较高的稳健性和精确性,其中多层Bayes估计的稳健性最好,E-Bayes估计的精确性最好.     

熵损失函数下幂函数分布和瑞利分布参数的Bayes估计

【目的】研究熵损失函数下幂函数分布和瑞利分布参数的Bayes估计并对它的可容许性进行验证。【方法】以幂函数分布及瑞利分布为基础，以熵损失函数为主要的损失函数通过参数估计的方法和性质进行证明和研究。【结果】证明得到任意分布在熵损失函数下参数的Bayes估计、先验分布为伽马分布熵损失函数下两个分布参数的Bayes估计，得到参数可容许性。【结论】得到参数的Bayes估计，同时得到两个分布的参数在熵损失函数下的Bayes估计是可容许的。     

两个不同损失函数下一类分布族参数的Minimax估计

在对数误差平方损失函数和熵损失函数下,得到了两个不同损失函数下一类分布族参数的Bayes估计和Minimax估计．     

一类新的损失函数下负二项分布模型的Bayes可靠性分析

在一类新的加权平方损失函数下,给出了负二项分布可靠度的Bayes和多层Bayes估计,并利用E Bayes方法给出了负二项分布可靠度的E Bayes估计.针对得到的3种估计,给出了数值模拟,结果表明:E Bayes估计比多层Bayes估计优良.     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

两点式分布概型的信息扩散估计

对小样本两点式分布概型的分布用信息扩散的方法进行了模糊优化处理研究,证明了当样本较小时,本方法优于传统的频率估计方法.以中国象棋棋子为随机试验的原型材料,做了大量的实验来表明这种方法的可靠性.     

概率密度的可容非参数估计

对未知概率密度的估计量进行了研究，并用相似的方法讨论了概率密度的一、二阶导数的估计问题，特别对可容权函数进行了探讨并给出了几个有关定理     

一种新的自相关函数载波频率估计算法

针对非协作信号,提出一种新的自相关函数载波频率估计算法.在分析自相关函数特性的基础上,构造代价函数,通过频率搜索的方法估计载波频率,而不是直接求相位角.仿真结果表明,与现有自相关函数载波估计算法相比,该算法不仅在估计精度上有很大提高,而且对载波频率没有限定,只要满足采样定理即可.另外,该算法在理论上是完备的,所以不存在失效的风险.     

数论函数d(n)和σ(n)的部分和渐近估计式的推广

设 d(n)和σ(n)分别是除数函数和除数和函数 ,本文将渐近估计式 ∑n≤ xd(n) =xlogx +(2γ -1 ) x+O(x ) (x >2 )和渐近估计式 ∑n≤ xσ(n) =ζ(2 )2 x2 +O(xlogx) (x >2 )进行了一系列的推广 ,给出了∑n≤ xp | nd(n) ,∑n≤ xp | nd(n) ,∑n≤ x(-1 ) n- 1 d(n) ,∑n≤ xp | nσ(n) ,∑n≤ xp | nσ(n) ,∑n≤ x(-1 ) n- 1 σ(n)等和式的渐近估计式 .     

用稳健M-估计同时求位参数及比例参数的估值

本文提出了稳健比例估计,这种估计适用于位置残差为非对称分布的情况。为了从修改后的M-估计中求得一致的比例系数,需要将残差进行标准化。由于位置参数估计与比例参数估计相互制约,所以要采用迭代解法。通过一个简单的例子,说明了这种方法比普通的M-估计以及最小二乘结果更加优越。     

正态误差模型的最优稳健估计

通过构造Lagrange函数,得到了具有正态误差模型的参数最优稳健估计是Huber估计的结论,说明了Huber函数作为最常用的稳健估计函数的原因.     

数论函数d(n)和σ(n)的渐进公式的推广

利用初等及解析的方法研究了除数函数和除数和函数的渐近公式,并进行了推广,得到了一些有趣的渐近公式。     

基于截断数据分布函数的核估计

讨论了一类截断数据，分析了以往截断数据分布函数估计的主要结果．在此基础上，提出了一个核估计方法，建立了分布函数的核估计量表达式，并在紧支撑等一定条件下，研究了估计量的渐近性质，并分别证明了估计量的强相合性及收敛速度．最后，给出了一个模拟计算的例子．结果显示，这种核估计方法是可行有效的．     

密度函数的小波估计及其影响函数

把小波的思想和方法应用到统计学的密度估计中,得到了密度小波估计的一个统一的非迭代表示形式.对于给定的一种系数估计方法,这种表示形式容易计算密度估计的影响函数,进而可以进行简单的稳健性分析.