Lt^p（t^q）型正交表在抽样调查中的应用

用Ｌｔ＾ｐ（ｔ＾ｑ）型正交表来设计抽样方案，此时，样本集中包含的样本数要远小于Ｃ＾ｎＮ。而且可以证明，样本均值是总体均值的无偏估计量，样本均值的方差小于随机抽样的方差。     

系统抽样事后分层情形下域的估计

通过定义总体上的一个新的随机变量，给出了系统抽样事后分层情形下，域的目标估计量的模型一设计无偏估计量以及估计量的方差估计，而且证明了这个方差估计是此估计量的理论方差的无偏估计。     

风险函数在点估计理论结构中的应用

根据在点估计中应用风险函数不同估计量下风险大小，提出了评价估计量优劣的三个准则，为选取符合实际要求的估计量提供了有效的方法，并给出了应用示例.     

Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果，说明了本文提出的方法在实际中是一个可用的方法．     

响应变量随机删失时函数型非参数分位数回归模型的估计

文章在响应变量随机删失时，研究了函数型非参数分位数回归模型，通过极小化逆概率加权分位数损失函数，构造模型中未知非参数函数的估计量。在一定的条件下，获得估计量的渐近正态性；通过模拟研究，验证了估计量的有效性。     

多项选择的随机化回答模型

介绍了一种具有多项选择的随机化回答模型，计算了模型的估计量及估计量的方差和性质。     

数理统计若干问题分析

数理统计若干问题分析葛树平（天津轻工业学院基础科学系）１关于无偏估计估计量的无偏性，是参数估计理论中一个重要概念，也是衡量估计量优劣的标准之一。专著《数理统计引论》从实际应用方面给出了一个实例，说明无偏性的实际意义在于：当多次重复使用这个估计量时，在...     

一类正极值指标的截尾估计量

引入了一类位置不变的Hill型极值指数估计量，并证明了其弱相合性；在二阶正规变化条件下，得到了此类估计量的渐近正态性．     

捕获——再捕获抽样中的复合估计量

本介绍了捕获——再捕获抽样的思想方法，提出了一个新的捕获——再捕获抽样的估计量：复合估计量，并讨论了它的性质和最小方差。     

总体比例的分级Bayes估计

在总体比例的Bayes估计中，引入超先验，得到总体比例的分层先验分布，在此先验下，给出总体比例的分级Bayes估计量，当总体比例值较小时，Bayes估计量是分级Bayes估计量的一个特例。     

捕获—再捕获抽样中的组合估计量

西介绍了捕获－再捕获抽样的思想方法，提出了一个新的捕获－再捕获抽样的估计量：组合估计量，并讨论了它的性质和最小方差。     

重尾指数估计量及其伪估计量的渐近关系

将重尾指数估计量的随机门限替换为非随机门限,得到了伪估计量,然后建立了原始估计量和伪估计量之间的渐近关系.     

一次损失下有界普阿松参数的最小最大估计

本文讨论了一次损失下有界普阿松参数的最小最大估计问题，对本问题中的鞍点的特征进行了刻画，给出了估计量δ（ｘ）是最小最大估计量的必要条件。     

方差未知时两个正态总体均值序条件下的估计量

讨论了两个正态总体均值在序条件下的改进估计量,样本均值是期望的极大似然估计量,当期望满足序条件且方差未知时,用方差的极大极小估计量代替方差得到了关于期望的一类估计量,此类估计量改进了样本均值.     

删失样本下的极值指数估计

应用删失回归方法,给出了重尾分布极值指数的一种估计量,得到了这种估计量及其对应极值分位数估计量的渐近正态性.数值模拟结果显示,新估计量的均方误差较现有估计量明显减小.     

序列统计模型中的总数估计

研究了序列统计模型中的总数的估计问题，给出了总数的估计，就样本是可重复的情况，证明了总数的估计量的有效性及强相合性；对样本是不可重复的情况，证明了总数的估计量的有效性。     

核估计量与窗宽选择

对非参数回归曲线提出了一种新的核估计量和窗宽选择方法及修正偏倚置信带。目的是利用该回归曲线的估计量选择窗宽构造置信带．新估计量的拟合精度明显好于Priestley-chao核估计量，新的窗宽选择方法比广义交叉确认准则计算简单：该修正偏倚置信带较优于该回归曲线的Bonferroni型带。用这种方法建立修正偏倚置信带是完全数据驱动，不包含任何附加调节参数，这种方法在实际应用中是十分有效的。     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。     

渐近无偏矩估计量

给出了极值指数γ的一类渐近无偏的矩型估计量,当估计量中的上端顺序统计量的个数k取得较大时,其渐近方差比较稳定,并给出了k的选择.在估计量的偏度修正过程中,给出了二阶参数ρ的估计量.     

关于伯努利数结构的讨论（续）

进一步讨论了伯努利数的结构，并利用所得到的结果对居加猜想进行了讨论，得到了：若Ｓｐ－１（ｐ－１）≡－１（ｍｏｌ ｐ）成立，则ｐ是素数或者ｐ＝ｐ１ｐ２．．．ｐｓ为色对伪素数，并且ｐ‖Ｂｐ－１的分母；ｐ／（ｐＢｐ－１＋１）的分子，ｐ／ｐｉ≡１（ｍｏｄ ｐｉ）；Σ１／ｐｉ－１／ｐ是整数。