正态总体方差估计的比较

针对正态总体方差的一类估计cS 2,首先在无偏性、有效性和相合性准则下进行分析和比较几种估计量,然后导出均方误差意义下一个估计优于另一估计的充分条件,为比较正态总体方差的几种估计量的优良性提供快捷方法.     

均匀分布U[-θ,θ]参数θ的几种估计量

研究了一类单参数均匀分布U[-θ,θ]的参数θ的点估计问题,给出了θ的极大似然估计量、矩估计量和其他形式的估计量,对几种估计量的无偏性进行了讨论.通过添加纠偏系数得到θ的四种形式的无偏估计量,对它们的有效性进行了比较分析.结果表明,基于极大似然估计量所得到的无偏估计最有效.     

固定设计点情形下回归函数的非线性小波估计

在固定设计变量但不一定等距,误差为一般的随机变量的情况下,构造了回归函数的非线性小波估计以及自适应非线性小波估计。证明了非线性小波在Besov空间中可达到最优收敛速度,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度(即和最优收敛速度只相差lnn)。这样,在固定设计变量情况下,构造的回归函数的非线性小波估计和Donoho等人在等距固定设计点对回归函数的非线性小波估计几乎具有同样的优良性质。进一步,只要求误差为有界三阶距,而Donoho等人要求误差服从正态分布。     

PC准则下回归系数估计优良性的计算机模拟

在PC准则下对线性模型中设计矩阵病态时的几种改进估计－－岭估计，压缩估计及Bayes估计进行了计算机模拟，模拟结果显示了几种改进估计的统计优良性。     

一元线性回归模型下高斯-马尔柯夫定理的另一种证法

本文以一元线性回归模型为背景，对高斯-马尔柯夫定理给出一种新的直接证法．该证法无论是证明的思路还是证明的方法和手段上都较传统证法具有简明、直观的特点．     

矩阵损失下多元随机回归系数和参数非齐次线性估计Minimax可容许特征

在矩阵损失下给出了多元随机回归系数和参数线性估计在非齐次线性估计类中是Minimax可容许估计的充要条件。     

自回归模型参数的贝叶斯估计

本文中我们讨论了误差为T分市的自回归模型,在参数满足Jeffreys型先验分布条件下,得出了多数的贝叶斯估计,并证明了参数估计相容性.     

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。     

熵损失下Poisson分布参数倒数的估计

研究在熵损失函数下，Ｐｏｉｓｓｏｎ分布参数倒数的估计，得出在熵损失下，「ｃＴ（Ｘ）＋ｄ」＾－１形式的一类估计的可容许性和不可容许性，并给出可容许估计的充要条件。     

回归系数的线性有偏估计

给出回归系数的最小均方误差线性有偏估计，线性有偏估计优于最小二乘估计的充要条件及线性有偏估计可容许估计的充要条件，同时给出文献中未涉及的一些有偏估计。     

梁问题有限元逼近的新估计及超收敛

在改进的单元正效估计的基础上，得到梁问题的ｎ次赫米特有限元ｕｈ∈Ｃ＾１的新误差估计式，以及挠度和导数的最佳阶超收敛。     

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.     

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.     

时延估计的克拉美—罗下界的渐近分析

从时延估计的Ｆｉｓｈｅｒ矩阵的最基本概率表达式入手，利用Ｔｏｅｐｌｉｔｚ（托布里兹）矩阵和循环矩阵的渐近等效性，以及循环矩阵的谱特性，导出了时延、多普勒、及其更高阶导数联合估计的Ｆｉｓｈｅｒ矩阵的严格渐近解析表达式，此结果较人们常采用的近似结果更加精确。两者之间的比较分析表明，有一定条件下两者具有较好的一致性。     

贝叶斯框架下产品可靠度估计问题的研究

在与信息论中的熵函数有关的p,q对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品的可靠度的贝叶斯估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式,并讨论了可靠度的贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计并进行了数值计算,结果表明得到的多层贝叶斯估计具有更好的稳健性。     

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.     

Telyakovskiǐ型定理

本文在二阶连续模情形下,证明了满足Timan型估计的线性算子A,经过适当的修正后得到的线性算子A~+满足Telyakovskiǐ型估计。