模型参数分布未知的贝叶斯预测

本文介绍了线性贝叶斯方法，并将其应用于贝叶斯动态线性模型，得到了模型参数分布未知情况下模型的修正递推及预测算法，从而拓宽了贝叶斯动态线性模型的适用范围。     

关于模型中未知参数估计值的讨论

对未知参数估计的方差、解释变量的误删（误加）、多重共线性等问题进行了研究，给出两个重要的结论且进行了严格的理论证明。     

关于模型中未知参数估计值的讨论

对未知参数估计值的方差、解释变量的误删（误加）、多重共线性等问题进行了研究，给出两个重要的结论且进行了严格的理论证明.     

离散参数复值鞅的性质

引进离散参数复值鞅，借助于离散参实值鞅的性质，通过求条件数学期望，给出离散参数复值鞅的某些性质，给出离散参数复值鞅的实例。     

连续参数复值鞅的性质

引进连续参数复值鞅 ,并讨论其性质。     

具时滞神经反馈模型的动力学性质

以滞量τ为分支参数,研究了具有时滞项的神经反馈模型的动力学行为,这些行为包括:系统在平衡点附近的稳定性、局部Hopf分支的存在性、发生条件、Hopf分支的方向、分支周期解的稳定性以及分支随参数变化其周期解的周期变化.最后通过数值模拟验证了理论分析结果,给出了Hopf分支全局存在性的数值结果.     

双侧截尾时双参数指数分布的BLUE

给出了双参指数分布在双侧截尾情况下未知参数σ和θ的最佳线性无偏估计（简记BLUE）和它们的方差．     

关于模糊集值随机积分的相关性质

本文利用模糊集值随机积分的定义,运用集值随随机积分的相关性质,研究了模糊集值随机积分的可加性,鞅性及最大值不等式性质．     

非等间隔观测样本相关函数的性质

本文对平稳正态序列一类非等间隔取样所得样本相关函数进行了讨论，得到了它具有无偏性，一致性以及类似于通常的Ｂａｒｔｌｅｔｔ公式。     

一般线性模型下删除观测值的影响

在一般情形下，给出了在模Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下Ｘｄβ的最佳线性无偏估计的表达式，得到了二者相等的充要条件，给出了在模型Ｍｄ下Ｘｄβ的最小二乘估计是Ｍ下Ｘｄβ的最佳线性无偏估计的充要条件，以及Ｍｄ下σ＾２的最小范数二次无偏估计是Ｍ下σ＾２的最小范数二次无偏估计的充要条件。     

GPS差分模型中观测值相关性的探讨

ＧＰＳ高精度定位中广泛采用的是各阶相位差分观测值，由于差分观测值之间的相关性，导致数据处理的困难．针对数学相关和物理相关的特性，本文对这一问题进行了初步探讨．     

加权线性回归模型的BLUE影响分析

讨论了一组或m组数据扰动或删除前后BLUE的变化及协方差扰动和数据删除对BLUE的混合影响,分别建立了β^W(J),^βW(i),^βW,gi(j)与^βW的关系;提出了度量数据扰动或删除对BLUE的影响的W K统计量,并给出了W K统计量与广义相关系数的关系,得到KI(J)与KI(I)的上下界;最后用实例说明了W K统计量在影响分析时的有效性.     

带未知模型参数的自校正集中式融合信息滤波器

对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析（DESA）方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。     

线性模型BLUE和SLSE的相等关系

考虑广义线性模型M=(Y,Xβ,V)和相应的模型M_r=(Y,Xβ|Rβ=S,V),我们得到了均值向量μ=E(Y)的BLUE(?)(在M下)和(?)(在M_r下)以及SLSEμ~*(在M下)相等的充要条件.即μ~*=(?)=(?)的充要条件为Z_m(XU)=Z(?)(VX)=Zm(X)或等价地M(XU)=M(VX)=M(X)     

模型参数未知的双率采样数据系统广义预测控制方法

对于双率采样数据系统,预测控制的困难是存在采样间损失输出,使得传统的预测控制算法和参数估计算法无法实现。为此,阐述了参数未知双率系统预测控制策略。其基本思想是,利用多项式变换技术导出了一个可以使用双率数据进行辨识的模型,通过对这个模型的估算和对采样间损失输出的估计,提出了双率系统的预测控制算法,仿真例子给出满意的控制效果。     

未知误差分布下线性回归模型的非参数自适应估计

对于正态分布误差,线性回归模型的极大似然估计(Maximum likelihood estimate,MLE)与最小二乘估计(Least squares estimate,LSE)是等价的.当高斯性假设不成立时,MLE比LSE更有效.然而,当误差分布未知时,MLE通常是不可实现的.文中给出了未知误差分布下线性回归模型系数的非参数自适应估计,证明了估计量渐近有效于已知误差分布下线性回归模型系数的MLE,并给出了回归系数的一个轮廓似然比检验统计量.     

ARFIMA模型参数贝叶斯估计的渐近性质

首先根据贝叶斯定理得到ARFIMA模型参数的后验边缘分布,并选择后验边缘分布的众数作为参数的估计值.参照季节性ARFIMA模型的极大似然估计的渐近性质的证明思路,证明了模型参数的贝叶斯估计具有相合性、有效性和渐近正态性.最后,对参数的贝叶斯估计方法的大样本性质进行仿真模拟,结果表明当时间序列样本足够大时,参数的估计值越来越接近于真实值.     

一类具扩散的SIRS传染病模型解的渐近性质

研究了一类具有非线性发生率的 SIRS传染病模型的弱耦合反应扩散方程组.利用线性化和特征值的方法,讨论了无病平衡点和染病平衡点的局部稳定性,利用Liapunov函数的方法给出了无病平衡点渐近稳定的充分条件.结果表明,在小初值条件下,当接触率小的时候,无病平衡点是渐近稳定的.     

集值序增函数的集值Riemann—Stieltjes积分的相关性质

利用文献[2]实值非负函数关于集值序增函数的集值Riemann—Stieltjes积分的定义,进一步深入讨论了集值Riemann—Stiehjes积分的相关性质,这些结论对集值序增函数的进一步研究将起到很重要的作用．