单圈图的次小Randic指数

一个图G的Randic指数定义为R(G)=Σ(x,y)∈E(G)[d(x)d(y)]-1/2,Randic指数是分子拓扑学中的重要指数;一种物质的理化性质与其分子结构图的Randic指数有相关性;Randic指数主要的研究是寻找某种类型图的Randic指数极值或次极值;具有最小Randic指数的单圈图为S+n,在此基础上导出具有次小Randic指数的单圈图G*n.     

基于两类极值分布的金融风险度量

在金融投资组合的风险管理中,估计极端事件的概率,是一个重要的问题.阐述了极值理论和两类极值分布,以上证综合指数为例,将极值理论用于风险价值的计算,给出了VaR和ES的估计值,并与传统方法得出的结果进行了比较分析,结论表明,用极值方法度量金融风险具有很高的准确性.     

极值类型定理的推广

把极值类型定理中的ｎ次方进一步推广成Ｕ（ｎ）次方，其中Ｕ（ｎ）是正则变化函数，它的指数大于零；同时通过一定的限制，得到相依序列随机样本的极值。     

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.     

一类重尾二阶参数的估计

基于统计量Mn(α)(k),文章提出了一类二阶参数的估计,二阶参数在极值理论中扮演着重要的角色,在重尾分布的尾指数估计中门限的最优选取,以及尾指数的渐近偏差的降低都取决于二阶参数ρ.然后,在极值理论的二阶与三阶正则条件下,讨论了其渐近正态性.     

基于时序广义双极值模糊软集的群决策方法

研究了时序广义双极值模糊环境下的群决策问题.针对实际问题中广义双极值模糊软集信息随时间动态变化的情形,定义了时序广义双极值模糊软集的概念,并讨论了相关运算及性质.考虑不同时刻广义双极值模糊软集信息对最终决策的不同影响,利用指数衰减模型的权重确定公式和集成思想,定义广义双极值模糊软集间的运算并给出几何加权平均算子的计算公式,将时序广义双极值模糊软集集成综合双极值模糊软集.然后,利用广义双极值模糊软集的集成算子计算各方案的属性值,利用得分函数得出最优决策.最后,通过实例分析证明了此决策方法的合理性与可行性.     

一类树的Hosoya指数

图的Hosoya指数是指图中的匹配总数.本文给出了恰有两个最大度顶点的树的最大Hosoya指数,并刻画了取得极值时的图.     

极值风速拟合优化策略

在桥梁设计规范中假定风速随机过程为平稳过程 ,风速母体服从指数型分布并以极值Ⅰ型拟合风速极值渐近分布 .然而实际上风速并不严格地满足平稳过程假设 ,且由于样本数据的来源不同和极值分布参数估计方法各异 ,对风速母体分布及样本极值渐近分布拟合方法的结论不尽相同 .针对上述问题 ,通过蒙特卡罗数值模拟技术研究了多种风速母体分布下具有普遍适用性的极值风速拟合策略 .并以上海地区龙华、川沙气象站极值风速估算为例 ,阐明了该方法的实用性和合理性     

基于非平稳GEV模型的黄河源区枯季径流演变特征分析

为剖析气候变化对水文极值非平稳性的影响,采用5 a滑动平均和Mann-Kendall突变检验法对黄河唐乃亥水文站1957—2018年最枯多日平均流量进行非平稳检验;根据Kendall等级相关分析法优选气候指数,以时间和气候指数为协变量构建非平稳广义极值分布(generalized extreme value, GEV)模型,并进行参数估计与模型优选,对比平稳与非平稳GEV模型在枯季径流模拟中的应用效果。研究结果表明：黄河源区枯季径流呈现明显的非平稳特征;平稳GEV模型的模拟值偏高,以西太平洋指数为协变量的非平稳GEV模型对极值的拟合效果较好,且能较好地解释极端枯水事件的波动性。     

一类Hill型估计量的收敛性

给出了极值指数为负时的一类新的Hill型估计量，并证明了它的相合性及渐近正态性．     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计，并构造了相应的经验Bayes估计，证明了该估计是渐近最优的。     

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型，建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量，并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

混合系数线性模型参数的岭估计

在连续测量数据情况下，针对模型的复共线性，给出了混合系数线性模型参数的两种岭估计，讨论了岭估计的相关性质，并证明了在均方误差意义下，通过选取适当参数，岭估计可优于最小二乘估计，最后讨论了岭估计的可容许性并给出了岭参数的选取方法。最终得到了岭参数的最优估计。     

线性模型回归参数的Bayes线性估计

在 C.R.Rao 工作中曾指出:在线性有偏估计类中一致地改进最小二乘估计是不可能的.本文试图局部地改进最小二乘估计.本文定理1求出了线性模型的 BLE;定理2指出,近年来研究的 Stein 估计、岭估计都是 BLE;定理3表明,存在一个以原点为中心的、椭球,使得在该域内 BLE—致优于通常的最小二乘估计(LS).     

人口普查净覆盖误差估计

针对我国和其它许多国家的政府统计部门在应用双系统估计量时,忽视对总体人口等概率分层、未考虑人口移动,以及未采取科学有效的方法计算双系统估计量抽样方差的问题,提出建立基于捕获-再捕获模型的双系统估计量及分层刀切抽样方差估计量的研究目标.为实现目标,采取现场调查、抽样估计及文献解读相结合的方法研究全面登记和抽样登记的双系统...     

基于外延原理的混合动态系统估计器设计

以混合动态系统的外延原理为工具分析了估计器的可压缩性问题．给出了外延系统的估计器可以压缩成原系统估计器的充分条件．证明了满足外延原理的外延系统的任意估计器均可压缩成原系统的估计器，因此，原系统的估计器可由外延系统的估计器压缩而成，并且外延系统能取得好估计的估计器压缩后是原系统的能取得好估计的估计器。     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计,给出了模型参数的Bayes估计因子,并通过数值模拟将Bayes估计与Yule-Walker估计、条件最小二乘估计、条件极大似然估计进行比较.结果表明,Bayes估计方法在一定情形下优于其他方法.     

半参数回归模型中基于稳健散布阵的参数估计

基于稳健M-估计所得到的散布矩阵,给出了半参数回归模型中回归参数β的稳健估计,并证明了估计量的强相合性以及渐近正态性.