纵向数据下基于复合分位数回归的经验似然推断

利用复合分位数回归（CQR）研究了纵向数据下回归系数的经验似然（EL）推断。将数据组内相关性纳入估计方程中,得到了参数更加有效和稳健的估计,无需预先估计渐近方差,从理论上证明了所得复合分位数经验似然估计（CQREL）的渐近性质,且提出的经验对数似然比服从渐近卡方分布,从而构造了兴趣参数的置信域。通过数值模拟验证了所得方法有很好的有限样本性质。     

线性误差协变量下部分线性模型的约束统计推断

考虑含有线性误差协变量部分线性模型的统计推断问题。对模型的参数分量,提出了一个线性约束条件下的最小二乘估计,并且证明该估计量满足渐近正态性。同时基于拉格朗日乘子检验方法对约束条件的合理性进行了检验。证明了所提出的检验统计量在原假设成立时渐近服从标准卡方分布。数据模拟表明所提出的估计方法可以有效地消除测量误差对估计精度的影响,并且所提出的检验方法对备择假设是相当敏感的。     

φ-混合样本下分布函数在有限点的联合渐近分布

本文在φ-混合样本情形,通过大小分块方法和利用矩不等式首次构造并证明φ-混合样本下分布函数在有限个点处的核估计的联合渐近分布,得到联合渐近分布服从多元正态分布。     

带有约束条件的Logistic分布参数的渐近置信估计

基于带有约束条件的Logistic分布若干个样本分位数,建立线性回归模型,求出其分布参数的约束最小二乘估计,并证明此估计是参数渐近正态且渐近无偏估计,从而得到分布参数的渐近置信估计.     

一般虚拟系统法

对于估计系统可靠性的置信下限,虚拟系统法在水平相合性及渐近有效性等方面较大地改进了Ｌ－Ｍ方法。一般虚拟系统法用于基系统的有关数据估计任何子系统参数,得到的估计量是渐近有效的,而且构造的参数置信下限既是渐近有效的,也是水平相合的。     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的     

函数型数据下条件分位数的经验似然推断

针对函数型数据下条件分位数的区间估计问题提出应用经验似然方法来构造条件分位数的置信区间,并在适当的条件下得到了经验似然比统计量渐近服从χ~2(1).     

缺失数据下半参数回归模型的渐近性质

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量β和非参数分量g的局部线性估计βn,gn*(t),基于βn建立σ2的估计量2σn.在适当的条件下,证明βn,2σn的渐近正态性,得到gn*(t)的最优弱收敛速度.     

含MA误差的线性模型的经验似然推断

采用拟极大似然估计方法获得含MA误差的线性模型估计方程。为了能够使用经验似然方法,先利用鞅差序列将估计方程中的二次型转化为线性形式;再构造关于模型参数的经验似然比统计量,在一定假设条件下证明该统计量渐近服从卡方分布;模拟结果表明,在参数置信域的覆盖率方面,经验似然方法比参数似然方法更接近置信水平。     

约束条件下带误差线性协变量的变系数部分线性模型的统计推断

研究了当模型中带有误差线性协变量但有辅助信息,且参数部分有附加的线性约束时,变系数部分线性模型的统计推断问题。给出了线性约束条件下参数的profile最小二乘估计,并且证明该估计满足渐近正态性。同时基于profile拉格朗日乘子检验方法检验约束条件的合理性,证明了在原假设成立时,所给出的检验统计量服从渐近标准卡方分布。最后通过数值模拟验证上述参数估计和检验方法的有限样本性质。     

一类无穷维空间中向量值函数的最佳平方逼近问题

讨论带参数θ的向量值函数 x(ζ,θ)的最佳平方逼近问题 ,并举出相应的例子 .     

二次均匀B样条曲线的扩展

该文给出三次和四次多项式调配函数,并将之推广得到高次调配函数,它们是二次B样条函数的进一步扩展。基于给出的调配函数,可建立一种带形状参数的分段多项式曲线;调整形状参数可使三次多项式曲线在二次均匀B样条曲线两侧摆动,而四次多项式曲线在三次多项式曲线两侧摆动;最后给出实例,分别利用它们构造出带局部调节参数的G1和G2连续的曲线。     

基于截尾样本不同损失函数下艾拉姆咖分布参数的Bayes估计

给出了艾拉姆咖分布参数在定数截尾样本下的极大似然估计;在Linex损失、二次损失、平方损失和平衡损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;通过实例,对所给的几个估计的优良性进行了分析.     

参数不确定马尔可夫跳变系统的镇定控制算法研究

研究了具有参数不确定的线性马尔可夫跳变系统的鲁棒适应控制问题。对于切换律是可观测的情形,利用线性矩阵不等式和共同2次Lyapunov函数的方法,给出具有参数不确定的切换系统2次镇定的充分条件。基于此结果,对于切换律符合不可观测的马尔可夫随机过程的情形,通过设计一个恰当的采样适应控制器得到系统随机可镇定的充分条件。最后,通过一个例子给出适应镇定控制器的算法。     

求解P0-函数非线性互补问题的一个下降牛顿算法

构建了一个新的光滑价值函数来求解P0-函数非线性互补问题.区别于以往所构建的价值函数,构建的新的光滑价值函数不含任何光滑参数.对于P0-函数,可以得到,此价值函数的任一稳定点都是非线性互补问题的解.基于这个简单的光滑价值函数,提出了求解P0-函数非线性互补问题的一个下降牛顿算法.在适当的条件下,该算法的全局收敛性及局部超线性(二次收敛性)也得到了证明.     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为,提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据,提取可能影响驾驶行为的状态参数,进而建立二 次回归驾驶员模型;面向多参数回归模型中的多重共线问题,采用Lasso回归方法进行状态参 数筛选;结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性,与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明,相较于其他两种模型,所建立的驾 驶员模型具备良好的工况跟随效果,同时能较好地反映实际驾驶行为特征.     

Clifford分析中的k-超正则函数和二次k-超正则函数

研究了Clifford分析中k-超正则函数的一些性质,首次定义了二次k-超正则函数及拟二次k-超正则函数,并讨论了k-超正则函数和二次k-超正则函数之间的一些关系．     

二阶线性系统族的共同二次Lyapunov函数

研究了二阶线性系统族共同二次Lyapunov函数的存在性问题。系统模型为∑Ai:x(t)=Aix(t),其中Ai∈R2×2为Hurwitz常矩阵。借助Lyapunov稳定性理论和矩阵理论,对子系统矩阵包含有限个对角阵和有限个具有复数特征值矩阵的二阶系统族,分3种情况证明了其存在共同二次Lyapunov函数,将存在共同二次Lyapunov函数的充分条件转化为若干个代数不等式,并基于定理的证明过程给出了一个共同二次Lyapunov函数的求法。验证该充分条件容易在计算机上编程实现,从而具有较强的工程实用性。最后通过数值算例来验证了该充分条件的有效性以及更低的保守性。     

纵向数据下部分线性模型基于经验似然的变量选择

针对纵向数据下的部分线性模型, 建立基于经验似然方法的变量选择的信息准则, 证明新变量选择方法的渐近性质, 并模拟研究比较参数信息准则与基于经验似然的信息准则的有限样本性质. 结果表明, 基于经验似然方法的信息准则克服了参数似然函数有时较难得到的困难, 模型选择效果较好.     

一类二次函数指数和的简化计算

利用二次函数伴随多项式的一种特定分解形式, 结合Frobenius变换和有限域上迹函数的性质, 将一类二次函数的指数和转化为目前可计算的形式。并给出一种简化二次函数指数和计算的新方法。