一种Karl-Pearson变异系数的Bayes估计

本文在给定的Poisson样本X1,X2,…,Xn下,研究了Poisson分布变异系数θ的Bayes估计问题,在p,q对称损失函数L(θ,δ)=(θ/δ)p+(δ/θ)q-2 (p,q∈Z+),得到了θ的Bayes估计的精确形式并讨论了它的可容许性,最后研究了θ的最大后验区间估计.     

两参数马氏过程的若干新进展(Ⅰ)

4 Poisson单及两参数随机事件流定义22 设■是取非负整数值的随机过程,称X为具有指数λ的Poisson单,如果     

平衡损失函数下负二项分布的 Bayes 估计

针对负二项分布的参数采用Bayes方法进行估计.首先,讨论了平方损失函数下负二项分布参数的估计问题,尤其是建立了新的平衡损失函数,获得了负二项分布参数的无偏估计.其次,讨论了负二项分布与Poisson分布之间的关系.最后给出了熵损失函数下负二项分布参数的估计.     

复合广义Poisson模型下最终破产概率估计

将经典复合Poisson模型推广到复合广义Poisson模型，证明了复合广义Poisson模型可转化为经典复合Poisson模型，并求出了其破产概率公工以及破产概率的上下界。     

广义Poisson单的叠加、随机选择和分解

证明了多个独立的广义Poisson单叠加后仍是广义Poisson单。给出了随机选择的严格定义，并研究了广义Poisson单的随机选择和分解。     

指数多项式模型中参数最大似然估计的收敛速度

强度随时间变化的非齐次Possion过程在很多领域应用广泛.对一类非常广泛的非齐次Poisson过程—指数多项式模型,得到了当观测时间趋于无穷大时,参数的最大似然估计的“最优”收敛速度.     

Poisson积分方程的解的存在唯一性

Poisson积分算子是求解Laplace方程边值问题时导出的一种算子，它可以明确地将这些方程的解表达出来．研究从圆周任意Ω到一般围道Г的Poisson积分方程的解的存在唯一性，并给出一个充要条件．     

概率P(X>E(X))的估计问题

设总体X的分布函数为F(X),而X_1,X_2,…X_n是X的简单随机样本.本文讨论了概率P(X>E(X))=1-F(E(X))的估计问题,提出了一些强相合估计,同时也就证明了不存在合理的无偏估计.此外本文还指出了某些尚待进一步研究的问题,解决它们可能对基本常识大有好处.     

两参数马氏过程的若干新进展(Ⅰ)

综述了杨向群教投在湘潭大学主持的多参数马氏过程讨论班同志们近4年来有关两参数马氏过程方面的一系列研究成果.共分六个部分。1 基本概念及符号。2 各种两参数马氏性间的相互关系.在已有工作的基础上,进一步揭示了各种两参数马氏性间的相互关系,得到了一个比较完美的相互关系图.举出反例,推翻了三个法国学者的结论。3 给出了两参数马氏链的三点转移函数的定义,说明它与单参数马氏链的转移函数之间既存在本质的区别,又有着密切的联系.介绍了可测三点转移函数的概念,并研究了它的正则性,恒正性,状态对空间的分解,极限函数的正则性及参数对称的若干结果.还研究了标准三点转移函数族的状态对空间的分解,微分性及向上、向下、向左、向右偏微分方程组.表明:三点转移函数族的研究不可能是单参数结果的简单推广。4 引入了Poisson单的概念,讨论了它的单跳跃性,鞅性,Kolomogorov 0—1律,刻划,等价条件及其在射线上导出过程的性质.证明了它不存在广义三点转移函数.因而不能根据通常的存在定理证明它的存在性。为此我们引入了扩状Poisson单及其三点转移函数的概念,证明了Poisson单的存在性,作为Poisson单的直接推广,我们给出了两参数随机事件流的定义,讨论了其性质。5 介绍了广义Brownian单的定义,给出了它在增道路下的Levy表现和鞅刻划,积分表现,随机时间变换,概率估计,重对数律,Harness性,广义B—Harness性及表征等.最后指出,用广义Brow-nian单表现的一类指数过程是一强鞅。6 作为随机微分方程解的两参数马氏过程.设B为Browian单,得到了两参数随机微分方程dX(S,t)=α(s,t,X(S,t))dB(s,t) β(s,t,X(s,t))dsdt X(s,t)|(s,t)∈λ_0= y(s,t)解的存在唯一性,指出此解在一定条件的各种两参数马氏性,旦此解为宽过去规则马氏过程。     

矩形有限元分析

本文讨论Poisson方程Dirichlet边值问题并证明了在拟一致矩形剖分下双线性有限元解的超收敛性质与外推估计,井由此得出非协调的Wilson有限元的相应性质。接着本文还证明了双二次有限元在拟一致剖分下超收敛性及高阶误差渐近展开。本文的结果包含了文[5]的结论,同时推广了[1]、[6]的结果。     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

关于名义尺度总体分布的EB估计

本文研究了一个名义尺度总体分布参数的经验贝叶斯估计与线性经验贝叶斯估计问题。     

双正态分布问题

提出了双正态分布问题,讨论了由某种因素S引起的非正态现象,给出了受因素S影响的部分量所占的比例q以及这部分量均值μ及其改变量△μ的估计．     

线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.     

回归函数及其导数非参数估计的强一致收敛速度

本文研究了回归函数及其导数的非参数估计.对随机与固定设计的回归函数,分别利用核估计和非参数加权估计,在核函数及权函数满足一条件下,本文证明了估计一致强收敛于待估函数的速度可达到最优.从而进一步推广和发展了Hardle(1988)、Severini,etal.(1992)的许多结果.     

Gauss-Markov模型回归系数广义岭估计的优良性

针对Gauss-Markov模型,讨论了在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下回归系数的广义岭估计相对于最小二乘估计的优良性.     

错误指定多元线性模型中回归系数混合估计的性质

在二次损失函数和Pitman Closeness(PC)准则下，本文研究了错误指定多元线性模型中回归系数的混合估计相对于最小二乘估计(LSE)的优良性。     

奇异线性模型中LSE的一种新的相对效率

对于奇异线性模型未知参数的最小二乘估计,提出了一种新的相对效率,并给出了该效率的上下界.     

相依回归方程的一种估计

对相依回归方程组yi=Xiβi+εi,E(εi)=0,Cov(εi,εj)=σij I n,i,j=1,2,提出了一种有偏估计,并研究了这种估计的容许性及其优越性,给出了2个充分且必要条件.     

基于奇异设计矩阵的广义岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论了线性模型系数参数广义岭估计的优良性.对于可估函数在均方误差意义下,得到了广义岭估计优于最小二乘估计的性质.而且在二次损失函数下广义岭估计具有可容许性.