边界条件约束下的Cookk距离与相关系数

文「１」提出边界条件约束下的Ｃｏｏｋ距离，现主要讨论它与相关性之间的联系，经与简单相关系数和得相关系数之间的精确关系，建立与它与广义相关系数之间的不等式关系。     

边界条件下线性回归模型Cook距离的概率分布

证明了在边界条件下，线性回归模型中Ｃｏｏｋ距离服从Ｆ分布。     

最小二乘估计中的Cook距离与相关系数

对于影响度量Cook距离,本文建立了它与简单相关系数及复相关系数之间的精确关系,并找到了它与广义相关系数之间的不等式关系。     

加权回归模型中的影响度量与相关系数

从距离角度研究数据对加权回归模型的影响．建立了加权回归模型中的Ｃｏｏｋ距离,并找到了它与相关系数之间的联系     

一对数据的剔除对边界条件下线性模型的影响

文[1]建立了度量数据的剔除对边界条件下线性模型影响的几个统计量,该文主要讨论一对数据的剔除时约束模型的交叉影响,找到了一组数据的剔除与一对数据剔除时影响度量之间的关系。     

约束泛最小二乘估计及其Cook距离

通过求极值给出了普通线性模型y=Xβ+e在约束Aβ=b下的泛最小二乘估计∧β*u=∧βu-(X’PX+kQ)-1A’{A(X’PX+kQ)-1A’}-1(∧Aβu-b)并得到其Cook距离的一个简化公式。     

基于Cook距离的GPS高程拟合点优选

在局部GPS高程拟合中,拟合重合点（简称拟合点）的分布直接影响拟合曲面参数的求解,从而影响GPS高程拟合结果。针对这个问题,本文引入可以表征数据对模型估计影响大小的Cook距离,对拟合点进行优化选取。并结合苏通大桥首级施工控制网的GPS与二等水准的测量数据,进行了多组数据的计算分析,验证了优选结果的有效性,为苏通大桥控制网的高程复测采用GPS方法提供了有力的技术支持。     

一对数据的剔除对边界条件下线性模型的影响

文（１）建立了度量数据的剔除除对边界条件下线性模型影响的几个统计量。该文主要讨论一对数据的剔除时约束模型的交叉影响。找出了一组数据的剔除与一对数据剔除时影响度量之间的关系。     

最佳线性无偏估计中的影响度量与相关系数

本文提出了最佳线性无偏估计中的二个影响度量：Ｃｏｏｋ距离与广义方差比，讨论了它们的统计性质，并揭示了它们与相关系数和内在联系。     

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square, PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强,并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题,该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分,再将距离成分进行拟线性回归得到距离回归方程,通过模型求解方法将距离回归方程转换为原始数据的表达,最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能,并与其他5种经典的回归算法对比,结果表明：DVDCCPLS具有较好的回归效果和回归性能.     

随机约束条件下线性回归模型中的联合影响

本文讨论数据集对约束模型的影响问题。建立了单组数据影响与两组数据影响之间的关系。引进了一个新的影响度量，并和Ｃｏｏｋ距离做了比较。     

一类二元指数分布相关系数的估计

设二元随机变量(X,Y)的生存函数为F(x,y)=exp〔-λ_1x-λ_2y-λ_(12)Max(x,y)〕x≥0,y≥0 0 其它其中λ_1≥0,λ_2≥0,λ_(12)≥0,λ_1+λ_(12)>0,λ_2+λ_(12)>0.我们把这类二元分布记作BVE(λ_1,λ_2,λ_(12)).该文讨论(X,Y)的相关系数ρ的统计推断问题。这无论在理论上还是实际上都是有意义的。本文基于元件以及串联系统两者的试验数据,得到了λ_1=λ_2时ρ的估计ρ和没有λ_1=λ_2限制时ρ的估计ρ,并分别讨论了ρ和ρ的无偏性,强相合性和渐近正态性。     

典型相关系数与最佳线性无偏估计

利用随机向量间典型相关系数的个数,刻画了在一般Guass Markov模型下的Xβ的最佳线性无偏估计,并讨论了稳健性问题.     

D相关系数的统计性质

该文讨论了一类由Ｓｈａｎｎｏｎ熵导出的Ｄ相关系数的估计问题,给出了这种Ｄ相关系数的相合估计量,并讨论了依概率１收敛的条件,并用蒙特卡洛方法对论了这种估计量的样本性质。得出了这Ｄ相关系数的区间估计形式,判别两随机变量间独立性准则及判别一个随机变量依概率１确定另一个随机变量的准则。     

线性模型中参数估计的影响分析

研究数据对参数估计的影响是一个重要的问题。找出那些对回归分析影响很大的数据是非常有理论价值和应用价值的。本文主要介绍这方面的基本结果     

利用回归系数和相关系数优化监测点位

利用回归系数和相关系数以及总均值对监测点位进行优化,不仅能体现所抽取的样本代表总体平均值,使从样本所取得信息的均值和总体保证一致,而且在数据分布方面也能反映总体的面貌.在新城区环境空气监测点位优化方面进行了应用,方法简洁明了,数据处理量较少,得到了比较满意的结果.     

回归系数的stein型广义主相关估计

根据主相关估计的思想,针对广义线性模型,本文给出了一种新的回归系数的有偏估计——广义主相关估计,并将其与stein型压缩估计相结合,提出stein型广义主相关估计,在均方误差的意义下考虑其特性,对偏参数的范围予以讨论.     

一类四阶变系数线性微分方程系数常数化定理及应用

给出了一类四阶变系数线性微分方程化为四阶常系数线性微分方程的定理,并在具体的例子中加以实现．     

Cook-Seiford函数的若干推广

用例子指出Cook-seiford函数所得的群排序的不唯一性，并利用计算机模拟实验说明这种情况出现的几率较大，提出Cook-Seiford函数的两种推广：加权的Cook-Seiford函数和基于Minkowski距离的Cook-Seiford函数；解决了Cook-Seiford函数结果不唯一的问题．推广的Cook-Seiford函数还可以用来进行多属性决策．