多元正态分布广义方差区间估计的改进

讨论了多元正态分布广义方差的区间估计问题,给出了在覆盖率及长度上均优于最优仿射同变区间估计的改进估计。     

方差未知时一类加权损失函数下正态分布均值的改进估计

讨论了一类加权损失函数下方差未知时，通常估计的非容许性问题，给出了改进估计．所得结论较已有结果更为一般化．关键词     

方差传递公式估计式的无偏性

推广正态样本的均值与样本方差相互独立之定理,证明正态样本(x1,x2)与其协方差也是相互独立的.如果假定在直接测量中样本独立同正态分布并且随机误差是小量,那么间接测量的方差传递公式的估计式是方差传递公式的无偏估计式.     

两个方差分量线性组合估计的可容许性

考虑方差分量模型 在满秩情形，即ｒａｎｋ（Ｘ）＝ｎ，方差分量的线性组合 的可容 许估计条件．在二次型估计类 中，对给定的损失函数Ｌ ，推导证明了当Ｖ１＝Ｖ２时，　　　是 的可容许估计的充要条件，以及当没有 Ｖ１＝Ｖ２限制时，ｙＡｙ是 的可容许估计的充分条件．     

两个方差分量的联合二次不变无偏估计的可容许性

该文对ｙ－Ｎ（Ｘβ,θ１Ｖ１＋θ２Ｖ２）,Ｖ１,Ｖ２≥０,给出了（θ１,θ２）的联合二次不变无偏估计在联合二次不变无偏估计类中不可容许的充要条件,并据此给出了具体判别联合二次不变无偏估计的可容许性的方法。     

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.     

拟正态分布均值矩阵的容许线性估计(Ⅰ

考虑了以下问题：设ｎ×ｍ随机矩阵Ｙ有分布Ｎ（Θｎ×ｍ,Ｖｍ×ｍΣｎ×ｎ）,即Ｙ服从均值向量为Θ协方差矩阵为Ｖｍ×ｍΣｎ×ｎ的多元正态分布,其中Θ为未知矩阵．讨论了当Ｖｍ×ｍΣｎ×ｎ已知时,均值矩阵Θ在３种比较标准下的容许线性估计．并称以上分布为拟正态分布．     

熵损失下广义方差估计的改进

设Ｘ－Ｎｐ（μ,∑）,其中μ∈Ｒ＾ｐ,∑〉０均未知。该文在熵损失下给出了改进广义方差｜∑｜的最佳仿射同变估计的三种方法,且分别了Ｓｔｅｉｎ型截断估计与这三种估计类之间的关系。     

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.     

正态分布均值变点的小波检验和估计

本文探究的是方差不变的条件下服从正态分布的随机序列均值变点问题,利用小波方法检测和估计均值变点.考虑存在一个或多个均值变点,利用小波方法构造检测均值变点的统计量,并且估计均值变点的个数、位置以及跳跃度,最后通过模拟仿真验证有限样本下本文方法的有效性.     

正态分布和方差的一个实例应用

本文提出了一种把正态分布和方差使用到试卷命题中的方法，并给出了实例加以说明。     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

方差分量模型非负二次同时估计可容许的必要条件

给出了方差分量模型Ｙ＝Ｘβ＋∑＾ｍｉ＝１Ｕｉεｉ，Ｕ１Ｕ１’＝…＝ＵｍＵｍ’〉０中方差分量（ｏ＾２１，…，ｏ＾２ｍ）的非负二次同时估计（Ｙ’Ａ１Ｙ，…，Ｙ’ＡｍＹ）可容许的一个必要条件。     

正态分布参数函数的估计

讨论正态分布N(μ,σ2)的参数(μ,σ2)的函数θ=exp{aμ ba2}(a≥0,b≥0)的估计问题,给出了θ的最大似然估计及矩估计.在μ和σ2的先验分布独立时,在损失函数L(θ,a)=(θ-a)2和L(θ,a)=(θ-1×a-1)2下给出Bayes估计和最小最大估计.     

两类增长曲线模型误差方差估计——二次型容许估计

研究两类增长曲线模型误差方差的二次型估计的容许性，在损失函数为（d-σ^2)/σ^4时，对这两类模型分别给出一个二次型估计在二次型估计类中可容许的充要条件。     

多元正态分布均值向量有变点时当前均值的估计

给出了多元正态随机向量存在变点时，当前均值μｎ的四种估计。采用量小二乘法，给出了μｎ的最小二乘估计，在μｎ存在先验信息时，给出了三种Ｂａｙｅｓ估计。然后采用随模拟的方法，比较了了μｎ的四种估计。     

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。     

正态总体误差方差的经验Bayes估计及其优良性

对正态总体误差方差在共轭先验分布和加权平方损失下导出了其Bayes估计,构造了其参数型经验Bayes(PEB)估计,研究了其在均方误差(MSE)准则下相对于一致最小方差无偏估计(UMVUE)的优良性.当先验分布中的超参数完全未知时,通过数值模拟比较了PEB估计和UMVUE的均方误差,获得了PEB估计的优良性.