平衡套误差分量回归模型方差分量的估计

研究了含三个方差分量的平衡套误差分量回归模型,利用Baltagi提出的方差分析型估计-WK估计的方法,得到了套误差分量平衡模型中的对应估计,重点对其改进.对于随机效应和随机误差方差分量的估计,证明了所得到的改进估计在均方误差意义下一致优于按Baltagi方法导出的WK估计,最后还用截尾法给出了随机效应方差分量的正估计.     

误差方差二次型估计模型的转化

研究一般的回归模型中误差方差的二次型估计的容许性，研究方法是模型的整体转化和局部转化，结果有：（１）二次约束下的线性模型等价于相应的无约束的线性模型；（２）线性等式约束下的线性模型等于某个无约束的线性模型。（３）单个非齐次不等式的束下的线性模型等价于某个无约束的线性模型。（４）通过例子证明了多个线性不等式约束的线性模型不能等价于某个无约束的线性模型。（５）某类非齐次二次型估计的容许性等价于相应在的     

方差分量模型中的Bayes估计

对y-N(Xβ,∑^pi=1σ^2iVi)给出了方差分量在平方损失下的Bayes不变二次（无偏和有偏）估计,对（y,Xβ,∑^pi=1σ^2iVi)给出了均值参数在矩阵损失和平方损失下的Bayes线性（无偏和有偏）估计。     

方差分量模型中均值参数线性估计的可容许性

考虑模型:{Y=β+ε Eε=0 Eεε′=sum from i=1 to m θ_iv_i }其中 v_i≥0已知;β∈R~k,θ_i>0为未知参数,i=1,2,…,m.对于上述模型,本文得到了在矩阵损失函数下均值参数线性估计可容许性的充要条件.     

半参数回归模型的误差方差估计的注记

考虑半参数回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R上未知函数，σo＝D（e1）．建立了D（e1）的估计量Sn，并在适当的条件下证明了Sn依概率收敛于D（e1）以及n（σn－σo）／Sn依分布收敛于标准正态、后一结果可直接用于构造σ2的大样本区间估计或对σ2进行大样本检验等．     

方差分量的谱分解估计

就线性混合模型中含有两个方差分量的情形,对方差分量的方差分析估计和谱分解估计进行比较,得到它们相等的充要条件,由此推出谱分解估计的优良性.     

Tobit方差分量模型的极大似然估计

本文对非负的且含有大量零的混合类型数据提出了Tobit方差分量模型,许多很有用的Tobit模型是我们模型的特例.我们运用MCEM算法给出了模型的极大似然估计,其中E-步运用了Gibbs抽样的Monte Carlo模拟,并用Louis方法得到参数的标准误差估计.     

异方差的两级套模型的方差分量的检验

利用广义p值的概念,研究了异方差的两级套模型的方差分量的精确检验问题,并在异方差的情况下比较两个两级套模型的方差分量.基于广义p值获取精确检验的方法,具有计算简便、易用于小样本问题的特点.     

方差分量模型中保G- M估计的线性变换

考虑方差分量模型（Ｙ，Ｘβ，ｔｉ＝１σ２ｉＶｉ），假设Ｘβ的Ｇ－Ｍ估计存在．本文给出了可观测的随机向量Ｙ的线性变换Ｆ为保Ｇ－Ｍ估计的变换（即存在ＦＹ的线性函数为Ｘβ的Ｇ－Ｍ估计）的充要条件，并指出在变换前后的模型中，Ｘβ的Ｇ－Ｍ估计相同．     

方差分量模型中回归系数的线性Minimax估计

定义了三种不同的Minimax估计．在矩阵损失下得到了方差分量模型的回归系数(分别是在齐次线性估计类和非齐次线性估计类中)的线性Minimax估计．结果表明,Minimax估计是压缩型估计．     

一个线性模型残差的方差估计

本文考虑一个线性模型的残差地，给出了一个q的估计量q^，并证明了q^的相合性。     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计.该区间估计形式简单,易于计算.给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟.     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计。该区间估计形式简单,易于计算。给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟。     

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.     

MEMS惯性器件误差系数的Allan方差分析方法

全球卫星导航系统和惯性导航系统（GNSS/INS）组成的组合导航系统已经在很多应用场景下发挥了巨大的作用,随着组合导航系统的发展,低成本INS也得到了广泛的应用,微机电系统（MEMS）惯性器件在组合导航系统的应用当中也日益受到重视,MEMS惯性器件体积小,功耗低,便于低成本系统的实现.但是MEMS惯性器件的误差较大,为了对其误差项进行分析和识别,可以使用Allan方差方法对惯性器件长时间测量数据进行处理.本文分析了MEMS惯性器件具有的典型误差项,介绍了Allan方差分析方法的原理和实现方法,利用该方法可以对MEMS惯性器件的各个误差项进行辨识.通过对一种商用级MEMS陀螺仪和加速度长时间实测得到的数据进行处理和分析,验证了Allan方差分析方法应用于误差项辨识的可行性,并给出了该MEMS惯性器件的各个误差项识别结果.使用Allan方差方法得到的误差项系数可以直接应用于惯性器件误差建模,对于GNSS/INS组合导航系统的实现和改进有重要意义.     

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.     

正态分布根方差的估计及其应用

用四分位极差的方法估计正态分布的根方差,研究了子样四分位极差及根方差估计的密度函数,并结合实例,说明了四分位极差估计具有稳健性.     

参数估计中最小绝对值误差估计器的实现

简要介绍了贝叶斯参数估计的基本原理,并在选择绝对型损失函数的基础上,给出了最小绝对值误差估计器(minimum mean absolute error,简称MMAE)的实现方法.选择1组电阻测量值作为样本,利用Parzen窗法计算出相应的概率密度函数,最后得出了该样本的MMAE估计器.     

Complex Model Simplification Algorithm with Improved Error Evaluation

Given the framework of incremental mesh simplification based on edge collapse, the paper proposes a mesh simplification algorithm using an improved approach for measuring simphfication error. The algorithm uses edge collapse to simplify the triangle mesh and maintains surface error approximations using c-error for the faces which have changed after edge collapse and d crror for the faces which become degenerated after edge collapse. Also. we report some resuhs using a variety of computer graphics models, which can show that the algorithm can achieve the desired simplification effect.     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.