一般分布参数固定宽度的序贯置信区间

在区间固定宽度下,设计了参数矩估计的序贯置信区间程序,讨论了参数序贯置信区间的性质,当宽度d趋于零时,研究了N渐近性质,获得了其渐近有效性和渐近相合性等.     

指数型分布族中矩估计的序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数(θ)函数g(θ)的一个序贯置信区间估计的步骤和方法.并讨论了在一定条件下,当d→0时,估计的渐近相合性、渐近有效性及有界的最优费用差(EN(d)?n(d))等渐近性质.     

序贯抽样决策中的抽样数量

序贯抽样决策的核心问题是抽样数量的多少及其样本单元所反映的动态信息特征，笔提出了“基本抽样数（nmin)”概念，并分别就不同的序贯抽样决策模型给出了相应的计算公式。在林间抽样决策中，预定的抽样数(n）应大于或等于nmin（即n≥nmin），以避免序贯抽样曲线方程对判断结果影响，结合最大抽样数nmax，两确定了序贯抽样曲线方程的适应范围。     

“线性回归参数的固定大小序贯置信域的渐近理论”的改进

序贯抽样一直是一个重要的统计研究领域,Gleser在世界著名刊物:《统计年刊》中发表了一篇重要文章[3]。然而Gleser的结果在实际应用中很不便于操作,甚至不可行。本文构造了一个新的置信域,改进了Gleser的结果使其更具有应用性。     

含有分类精度的二类序贯分类器

在讨论了传统的二类序贯分类器的基础上,提出了在特征参数的选取具有随机性时,应考虑分类精度的观点,并给出了特征参数的容量No有限和无限时的二类序贯分类器。     

害虫防治决策的复序贯分析方法及抽样技术

复序贯抽样决策技术实际应用的受限,原因在于截止限序贯抽样模型的缺乏。在检验害虫种空间格局回归模型,的基础上,推导出了目前国内常用检验回归模型的截止限序贯抽样模型,并将其运用于复序贯分析决策过程中,实例分析表明,对于同一种生物群,在一定的精度（Ｄ）和置信水平（ta）要求下,复序贯抽样决策方法可以大幅度地节约抽样成本。     

相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

洪水预报误差置信限与误差评定方法研究

在实时洪水预报调度中,洪水预报误差的统计特性和误差置信限对调度风险的确定影响较大,为此,以三花间伊河卢氏流域为例研究了洪水预报误差的统计特性和误差置信限问题,结果表明,洪水预报误差通常具有有偏概率分布的特点,用现行水情预报精度标准及误差置信限评定方法对其进行评定时可能会出现两种不同的结果,但误差置信限评定方法比现行水情预报精度标准更为严格。     

正态均值常用估计区间的改进

从统计决策理论角度考虑了正态均值置信区间的改进问题.利用未知分布参数之间的序限制,通过使用改进估计量的IERD方法,对无序限制情况下正态均值的minimax置信区间进行了改进,构造了一族改进置信区间.     

均值向量的非参数联合置信区间

本文提出了边际等尾联合置信区间概念,并给出了一种构造均值向量的边际等尾联合置信区间的方法。通过重抽样获得样本均值的估计,并通过该估计利用分位数插值的方法构造均值向量的边际等尾联合置信区间。在此基础上将其与传统的Bonferroni、Efron、Normal Exact等依赖正态近似的联合置信区间进行模拟比较,结果显示,该方法也是一种简单可行的方法。     

超几何分布中未知参数的精确置信区间

导出超几何分布的参数θ的精确置信区间,并进行应用举例.     

基于有序抽样样本参数的置信区间

讨论了一种新的抽样方法即有序抽样方法下样本的信息矩阵及参数的极大似然估计的性质,把它和简单随机抽样样本下的信息矩阵进行了比较,并以此估计为基础给出了一种新的参数的置信区间的构造方法,表明在相同的置信水平下以此方法构造的参数的置信区间比传统方法下构造的参数的置信区间更短,因而也具有更高的相对精度。     

基于可信度约束的序列模式发现研究

结合可信度约束,提出解决序列模式发现研究的算法,并分别对以下两种方案展开研究.I:先寻找所有满足最小支持度的最大高频序列,后计算最大高频序列的各阶可信度.II:先计算最大高频序列的各阶可信度,后寻找所有满足最小支持度的最大高频序列。     

指数分布参数置信区间的最短化研究

从置信区间的本质意义出发，通过数值计算的方法，对于给定的置信度0．90，0．95和0．99，在样本容量从2到22的范围内，求得了指数分布参数的最短置信区间，并对通常方法求得的置信区间的长度与最短置信区间的长度进行了对比分析。结果表明：在小样本(≤11)的情形下，用最短置信区间来作未知参数的区间估计，将会使估计精度得到显著的提高。