线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

线性模型中参数的平衡LS估计及其性质

基于平衡损失的思想,提出了估计线性模型中的参数的一个新标准,给出了在此标准下模型参数的估计,并分别得到了该估计是无偏估计、有效估计和可容许线性估计的充分必要条件.     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

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。     

带有约束条件的一般线性模型参数估计

研究了误差相关及未知参数有约束情况下线性回归模型的参数估计问题,分别给出了可控制矩阵列满秩与列不满秩情况下参数的最佳线性无偏估计.     

一般线性模型中参数的平衡广义LS估计

基于平衡损失的思想,对一般线性模型提出了一种全面地度量估计优良性的标准,给出了在此标准下回归系数的平衡广义最小二乘估计,并讨论了其优良性.得到了该估计为无偏估计的充分必要条件,以及在一定条件下,在均方误差损失的准则下平衡广义最小二乘估计优于最佳线性无偏估计的充分必要条件.     

非参数回归模型的贝叶斯局部线性估计

对于非参数回归模型=m(x)+ε,在局部线性估计中窗宽h的先验分布为Gamma分布的条件下,用未知光滑函数m(x)的后验均值构造了它的贝叶斯估计,并给出了参数的后验分布和抽样方法.模拟算例证明了贝叶斯局部线性估计方法的可行性.     

共同均值参数的线性无偏估计的可容许性

在一特殊的共同均值模型和平方损失函数下，得到了共同均值参数β的线性无偏估计Ay1 (I-A)y2分别在线性估计类和齐次线性估计类中为可容许估计的充要条件。     

平衡损失函数下几乎无偏估计的统计性质

在平衡损失函数下, 讨论线性回归模型中几乎无偏Liu估计与几乎无偏Stein岭型主成分估计的统计性质. 分别给出几乎无偏Liu估计与几乎无偏Stein岭型主成分估计在平衡损失函数下的风险, 并在不同条件下讨论这两种风险的关系.     

一个类似于多元许定理的结果

本文考虑了如下的一般多元线性模型■中未知参数阵B与∑的线性函数tr(D＇B)+tr(C∑)的联立估计问题,给出了tr(D＇B~*)+tr(C∑~*)是其期望值的一致最小方差不变二次加线性无偏估计(UM-VIQLUE)的充要条件,这是一个类似于多元许定理的结果,其中B~*与∑~*分别是B与∑的在一定意义下的最小二乘估计.     

平衡损失函数下风险相依回归信度模型

首先,给出了平衡损失函数下信度保费估计与二次损失函数下的信度保费估计的关系;然后,给出了在平衡损失函数下具有风险相依的回归信度保费表达式;并讨论了平衡损失函数下,目标估计为特殊情况的回归信度保费和风险等相关;以及具有共同效应时,二种回归信度保费表达式.     

一类由布朗运动驱动的滑动平均的参数矩估计

研究一类自相关结构具有周期性和递减性共存性质的由布朗运动驱动的滑动平均的参数矩估计.通过研究模型参数与自协方差函数间的联系,构造了参数的矩估计量.借助滑动平均离散抽样过程谱密度的研究,分析了其强混合系数的特点,进而证明了该矩估计量的相合性和渐近正态性.模拟显示估计量在小样本场合下也呈现良好的估计效果.实例分析表明该模型可用于刻画船体应力随时间的变化情况.     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

对称熵损失函数下一类分布族参数的Bayes估计

在对称熵损失函数下,研究一类分布族参数的Bayes估计问题,并讨论了一类逆线性形式估计的可容许性和不可容许性。     

方差分量模型中线性估计的最优性及可容许性

将随机效应线性模型和方差分量模型合并为一种模型,即具有随机回归系数的方差分量模型;给出了随机回归系数和参数的线性可估函数的最优线性无偏估计以及在矩阵损失函数下的可容许性;在正态假设下,讨论了线性估计在一切估计类中的可容许性.     

NA样本下Modified Weibull模型参数的经验Bayes检验

在线性损失函数下,讨论了NA样本情形下Modified Weibull分布刻度参数的经验Bayes单侧检验问题。利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优性。在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近Ο(n-1/2)。     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

几类向量值极大极小不等式(英文)

利用线性标量化函数和实值的极大极小定理,在自然拟凸和真拟凸假设下,证明了几类向量值函数极大极小不等式,并给出了一个例子说明定理结论是是相关文献结果的推广,     

半参数回归模型中参数的Bayes估计

导出了半参数回归模型中参数的Bayesian最小风险线性无偏估计(BMRLUE),研究了其在均方误差矩阵(MSEM)准则、PRPC和PPC准则下相对于最小二乘加权估计(LSWE)的优良性.