广义区间估计及其最优性〔Ⅲ）

在提出了广义区间估计以及其上的最优性概念之后，证明了广义区间估计与假设检验的最优性之间的关系，推演了若干重要区间估计的最优性．     

关于无穷区间估计与假设检验的最优性

在提出无穷区间估计以及其上的最优性概念之后，证明了无穷区间估计与相应假设检验的最优性之间的关系，及推演了若干重要的无穷区间估计的最优性．     

基于区间估计的最小二乘法在卡尔曼滤波中的应用研究

卡尔曼滤波是以最小均方误差为估计的最佳准则来寻求一套递推估计的算法。最小二乘估计是最常用的估计理论,它能保证每个偏差都较小,而区间估计反映误差范围使用起来把握大,但它无法估计单点的误差。针对滤波精确度问题,为使估计值误差达到最小,滤波精确度提高,提出了采用区间估计与最小二乘法估计2种策略结合的新方法,充分利用二者优势,求得观测点与估计点的距离的平方和最小值,对目标函数多次拟合。仿真实验结果表明,区间估计最小二乘卡尔曼算法大大提高滤波精确度,与区间卡尔曼滤波相比,它有较小的误差,滤波性能也得到很好的提升,极大的降低了噪声在滤波过程中干扰,在以后实际工作中将得到很大应用。     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

考虑权重模糊回归模型

基于样本偏差是系统固有的模糊性反映，提出用偏差平方和最小、模糊度最小、平均拟合度较大估计系统参数的迭代方法，简化了计算方法和线性规划的约束条件．最后用二个实例进行了说明．     

导出参数的无偏类区间估计问题（I）

在文献（工科数学，2002，2（18）：59－63．）的基础上，将一个总体的情形拓展到两个总体的情形，在建立了对导出参数的区间估计与假设检验的最优性概念，给出了区间估计与假设检验最优性的关系之后，证明了一个重要区间估计的最优性。     

广义区间估计及其最优性(Ⅰ)

将普通区间估计的概念(x1,x2,…,xn)→[G1(x1,x2，…，xn)，G2(x1,x2，…，xn)]拓广为广义区间估计的概念(x1，x2,…,xn)→|Aλ|Aλ∈Θ^~Aλ∩[G1(x1,x2,…,xn)]∈Φ|.于广义区间估计上建立了最优性概念，证明了广义区间估计与假设检验的最优性之间的关系，推演了一个重要区间估计的最优性．     

二次Waring-Goldbach问题

本文简述二次Waring-Goldbach问题的最新进展，具体内容包括：Waring-Goldbach问题，圆法，具有五个几乎相等变量的华罗庚定理，扩张主区间，四个素数平方之和的主区间，Dirichlet多项式的均值定理，四个素数平方之和的余区间与例外集，素变数三角和的新估计，四个素数平方之和与筛法，殆素数变量的Lagrange定理，Linnik-Gallagher问题，再论具有五个几乎相等变量的华罗庚定理，三个殆素数的平方和，Sarnak猜想与三元二次型.     

Gompertz分布TFR模型简单步进应力加速寿命试验的统计分析

给出了Gompertz分布产品的简单步步加试验损伤失效率模型下参数的极大似然估计和拟矩估计，并通过模拟例子说明该方法是可行的．另外，还给出了参数的区间估计．     

生产函数中参数估计方法的进一步改进

在原有生产函数参数的估计方法基础上,提出两种新的估计方法．这两种新的估计方法具有最小的回归残差平方和,文中给出实现这两种参数估计方法的具体算法。     

关于短区间中模q的整数及其逆的分布

利用初等方法和解析方法研究了短区间中模q的整数逆的分布性质,建立了短区间中模q的整数逆与Kloosterman和之间的关系,利用Kloosterman和的估计与三角和的性质给出几个较强的渐近公式,所得结果表明该类和式具有较好的分布性质.     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

关于Gauss-Markov估计在噪声方差矩阵不可逆时的化简

讨论了Gauss-Markov(简记为)估计与最优加权最小二乘估计之间的关系,证明了即使模型噪声方差阵不可逆,在一定条件下GM估计与最优加权最小二乘估计仍可以是统一的.     

线性模型下输入矩阵的最优设计

线性无偏最小方差估计与最优加权最小二乘估计是线性模型下两种最常用的估计方法。前者估计性能优于后者，但需要被估计量的一、二阶矩信息。作者深入讨论了这两种估计的关系，得到了二者在均方误差意义下等阶的充要条件，进而找到一种设计输入矩阵的方法，使得在先验信息缺乏的条件下，仍可利用最优加权最小二乘估计达到与线性无偏最小方差估计一样优越的估计性能，避免了获取先验信息的困难，同时保持了估计的最优性。     

Ｋronecker乘积在实验设计及分析中的应用

讨论如何用 Kronecker乘积表示一般实验设计模型 ,包括固定效应模型、随机效应模型及混合效应模型 .讨论如何表平方和为向量的二次型 .从而首次给出了用这些表示去计算平方和的期望值的方法 .本文的结果容易推广到其它实验设计模型     

聚集数据线性模型参数聚集Liu估计的相对效率

 当线性模型中的变量间存在复共线性时,常用有偏估计代替无偏估计。其中广义岭估计是研究较多的一种有偏估计。很多实际问题只能观测到聚集数据。本文给出了聚集数据线性模型聚集Liu估计的定义,提出了聚集Liu估计相对于最小二乘估计的两种相对效率,并得到这两种相对效率的上界;给出了聚集Liu估计相对于Peter-Karsten估计的2种相对效率及其上界。本文提出的聚集Liu估计,既能保证估计参数的稳定性,又能保证估计参数的近似无偏性,从这个意义上说,该估计在某种程度上优于聚集广义岭估计。     

线性模型中误差方差估计推广的Berry-Esseen界限

在线性模型中随机误差的方差常用剩余平方和除以适当的自由度来估计,陈希孺教授(1981),白志东、赵林城(1982)在随机误差具有6阶矩的假设条件下,证明了这一估计经标准化后其分布以理想的速度O(1/n~(1/2))收剑于标准正态分布。在本文中,我们把这一结果推广到更一般的情形中,即在误差具有4+2δ(0<δ≤1)阶矩的假设条件下,证明了理想的收敛速度O(n~(-δ)/~2)。这一结果与独立变量和的情形相同。     

非线性最小二乘平差参数精度的评定

对于非线性最小二乘平差参数的方差协方差传播的研究 ,必须与非线性最小二乘平差的研究同步。为了适应现代变形监测中观测值种类变化的多样性 ,将观测值类型加以扩展 ,提出了不同类型观测值的非线性最小二乘平差参数的方差协方差传播理论和计算公式 ,利用算例证明了它的可行性     

关于L-函数的四次加权均值分布

利用三角和估计及其解析方法讨论了L-函数的一个四次加权均值分布。