因变量缺失的变系数部分线性模型的有效估计

讨论了因变量随机缺失条件下变系数部分线性模型的估计问题.基于局部借补思想,使用局部线性方法和平均技巧同时得到了各个估计量的估计,进而给出了估计的渐近性质.     

带缺失数据的半参数非线性模型基于经验似然的统计诊断

研究了用经验似然的方法来研究带有缺失数据的半参数非线性模型的统计诊断问题。首先,在响应变量完全随机缺失下,利用修正借补的方法处理缺失数据,从而得到完全样本;然后用核估计方法对未知函数进行估计。其次,基于数据删除模型给出了参数的一步近似估计,提出了经验Cook距离以及标准化残差分析,进而找出异常点和强影响点。最后,通过实例对带有缺失数据的非线性半参数模型进行统计分析来验证以上方法的可行性和有效性。     

反映缺失的部分函数型回归模型的统计推断

为了解决反映变量随机缺失下部分函数型线性回归模型的统计推断，首先利用主成分分析法对模型中函数变量进行展开，在运用多元最小二乘法估计了模型中未知的参数和未知的系数函数，并证明了这两个估计具有渐近正态性。然后给出反映均值的回归借补估计，并证明了该估计量的大样本性质。     

缺失数据的估计方法及应用

应用EM算法的思想在双参数逻辑斯蒂克模型下对存在缺失数据的参数估计方法和恢复缺失数据的统计插补方法进行研究.蒙特卡洛模拟和实证研究结果表明,在进行统计插补恢复缺失数据时,该方法使得估计结果比较理想:联合极大似然估计与EM算法相结合,先估计参数,再填补缺失值,再估计,再填补,直到似然函数值稳定.     

缺失数据下的线性泛函的半参数降维推断

针对缺失数据下线性泛函估计中存在的非参数高维问题和模型参数化后的稳健性问题,提出了线性泛函估计的半参数降维推断方法,通过非参数函数估计来插补线性泛函,井用参数工作函数来降维.所得半参数降维估计具有双稳健的特点,即只要选择概率函数正确参数化或者降维插补指标可以修复线性函数的条件期望,所得估计就是相合的,而且二者都满足时,估计达到最优.     

非负矩阵Perron根界的估计式的改进

矩阵的谱半径在特征值估计理论、广义逆矩阵、数值分析以及矩阵序列、矩阵级数的收敛分析、控制理论中都有着极为重要的作用,近年来许多学者都致力于这方面的研究,提出了许多改进的谱半径估计方法,利用Perron补矩阵进行谱半径估计也一直受到广大学者的重视.通过研究矩阵的广义Perron补的性质,给出非负矩阵Perron根界的几个新的估计式。     

基于半参数模型的插补方法研究

数据缺失是在数据收集中普遍存在的现象,因而缺失数据的插补问题就成了数据分析领域的重要命题.常用的插补模型有参数模型、非参数模型和半参数模型,其中关于半参数模型的研究较少,考虑到半参数模型的优越性,文章将半参数回归模型与插补方法相结合,利用最小二乘核估计构建半参数模型,再利用辅助变量对目标变量进行估计来建立缺失数据的插补数据集,进而实现缺失数据的插补,并通过案例探究该方法的实现及其可行性.     

CNC 系统中空间抛物线的五坐标迭代插补法

建立了任意空间抛物线的数学模型和五坐标的编程模型,提出了空间抛物线的迭代插补方法及旋转坐标和线性坐标的插补方法,推导出速度误差、弓高误差和旋转坐标误差的误差估计公式,实例分析表明,该方法具有较小的速度误差和轨迹误差．     

方差分量抗差估计的通用公式

由概括函数模型出发,将正交补似然函数展开成级数形式,并且证明了由正交补似然函数和它的级数形式求得的方差估计是一致的．在此基础上,给出了方差分量抗差估计的通用公式和相应的影响函数;由此可推出各种平差函数模型的抗差估计公式和影响函数．     

一类带有时变时滞的Lur’e型切换系统的故障估计

研究了一类带有中立项和时变时滞信号的非线性切换系统的故障估计问题。通过设计基于观测器的切换故障估计器,将故障估计问题转化为H∞滤波问题。在任意切换信号下,通过选取合适的Lyapunov-Krasovskii泛函,推导并证明了由原系统和估计系统组成的增广系统绝对稳定,同时满足给定的H∞性能指标的时滞相关充分条件。进一步利用锥形补方法给出所设计的估计器参数矩阵的解。最后通过算例验证了所提方法的有效性。     

贝叶斯方法在具有隐蔽数据的冷贮备系统中的应用

对于由部件寿命服从指数分布及成败型开关组成的冷贮备系统,在针对一隐蔽实验数据下,研究了该系统可靠性指标的Bayes估计.在超参数未知,平方损失函数下给出了两个参数及可靠性的Bayes估计.对于超参数的确定,给出了一种新的方法,最后给出了系统可靠性的Bayes近似置信限的计算公式.     

逐次定数截尾下双参数指数分布的参数估计

讨论了双参数指数分布基于逐次定数截尾样本下的参数估计,导出了参数的逆矩估计和极大似然估计,并通过数值模拟进行比较,模拟结果表明逆矩估计优于极大似然估计。     

基于相依函数型数据具有稳健性质的条件分位数核估计

文章基于相依函数型数据,通过一种具有稳健性质的方法,研究了条件分位数核估计,避免了采用双核方法中存在的问题;并在一定的条件下建立了估计量的几乎完全收敛的速度,推广了现有文献的结果。     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题。主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间。最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大。在置信区间的构造方面,不论是小样本还是大样本,最大后验密度置信区间确实比传统的置信区间有效。     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

鞅在分层比例风险模型中的应用

用极大似然估计的方法确定带有右删失数据的具有Cox强度的时间相依协变量分层比例风险模型的参数估计形式,并采用鞅方法得出该模型的参数估计是相合的且是渐近正态的.由此得出,在临床试验中该模型的参数采用极大似然法来估计是可行的.     

数据删除模型对于广义岭估计的影响

建立了经典线性模型回归系数的广义岭估计和数据删除模型的广义岭估计之间的关系式.同时得出了一些相应的结论,即引入二范数度量来度量两个估计量之间差异的大小.     

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.     

Asymptotic properties of wavelet estimators in a semiparametric regression model with censored data

Consider a semiparametric regression model Y_i=X_iβ+g(t_i)+e_i, 1 ≤ i ≤ n, where Y_i is censored on the right by another random variable C_i with known or unknown distribution G. The wavelet estimators of parameter and nonparametric part are given by the wavelet smoothing and the synthetic data methods. Under general conditions, the asymptotic normality for the wavelet estimators and the convergence rates for the wavelet estimators of nonparametric components are investigated. A numerical example is given.     

岭型主成分估计在降维估计类中的最优性

研究岭型主成分估计在岭型降维估计类中的性质。在不同的条件下,证明了岭型主成分估计有某些最优性质。