左截断右删失数据下泊松分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到左截断右删失数据下泊松分布的完全数据似然函数.给出变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行抽样,介绍MCMC方法的实施步骤.把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

左截断右删失数据下几何分布参数多变点的贝叶斯估计

首先通过添加数据得到了左截断右删失数据下几何分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计,最后进行了随机模拟,试验结果表明各参数贝叶斯估计的精度都较高。
     

左截断右删失数据下几何分布参数的点估计

证明了左截断右删失数据下几何分布参数极大似然估计的存在唯一性,给出了由EM算法得到的参数的迭代公式,进行了随机模拟试验,结果表明参数的MLE和EM估计的精度都较高.     

一类四阶非线性发展方程整体解的存在唯一性

研究一类四阶非线性发展方程整体解的存在唯一性,借助偏微分方程的一些标准技巧对非线性项进行估计,利用嵌入定理和算子半群的方法证明了在相对较弱的条件下上述问题整体解的存在唯一性.     

BL-代数中的落影模糊理想

在落影理论的基础上，本文建立了定义 BL-代数的模糊（关联）理想的理论方法。研究了落影模糊（关联）理想和模糊（关联）理想的关系，证明了模糊（关联）理想是落影模糊（关联）理想，反之不成立。最后，获得了落影模糊（关联）理想的一些等价刻画。     

一类非线性随机网络系统的均方指数稳定控制

研究了一类非线性随机网络控制系统的均方指数稳定控制问题.通过在网络诱导时延的时变区间插入分点,把网络诱导时延转化为满足区间Bernoulli分布的随机变量,并根据随机变量在不同区间上的取值,利用T-S模糊方法建立了网络控制系统新模型.把线性矩阵不等式方法应用到新模型的处理中,得到了时延依赖的指数稳定条件,给出了模糊控制的设计方法,并对一类具体的网络系统进行了数值计算和模拟仿真.     

基于素质教育理念的复变函数教学改革与实践

分析了复变函数教学实践中存在的问题,基于素质教育理念,从教学内容及教学方法等方面探讨了复分析教学改革的思路,提出了合理安排内容体系,强化素质教育功能,将复分析的研究热点引入课堂等教学改革措施.实践表明,这些措施有利于克服传统教学模式的缺陷,更好地适应复变函数课程的特点和人才培养的需要.     

关于Polya罐子模型的几个结论

在Polya罐子模型中,分别以Xn,Sn表示第n次抽球并放回后罐中的黑球比例数和在前n次抽球中抽到黑球的次数,得到了Sn/n的极限分布为贝塔分布以及E（Xn）等于E（X∞）,D（Xn）不等于D（X∞）等几个重要结论,并分别运用概率论知识和随机过程的鞅理论知识从不同角度证明结论.     

几类图的均匀邻点可区别全染色

 邻点可区别全染色是在正常全染色的定义下,使得任两相邻顶点的色集不同。设G（V,E）为一个简单图,f为G的一个k-邻点可区别全染色,若f满足||Vi∪Ei|－|Vj∪Ej||≤1（i≠j）,其中,Vi∪Ei={v|f（v）=i}∪{e|f（e）=i},记C（i）=Vi∪Ei,则称f为G的k-均匀邻点可区别全染色,简记为k-EAVDTC,并称χeat（G）=min{k|G存在k－均匀邻点可区别全染色}为G的均匀邻点可区别全染色数。本文给出了路、圈、风车图K t 3、图Dm,4和齿轮图■n的均匀邻点可区别全染色,以及它们的均匀邻点可区别全色数的确切值。     

两指标强马氏过程之间的关系

首次定义了1-强马氏过程,2-强马氏过程和宽将来强马氏过程,这些强马氏过程的参数变换是随机的;给出了*-强马氏过程,1-强马氏过程,2-强马氏过程,宽将来强马氏过程和单点强马氏过程之间的关系.