两个半相依回归系统参数的Stein估计

Zellner等学者研究了一类相依回归系统中参数的最小二乘估计的改进,这些改进估计都是无编估计且具有许多优良性质,但是当设计阵呈病态时这些改进估计不再被认为是良好估计.本文提出了一种有偏Stein估计,证明了在设计阵呈病态时Stein估计的优良性质.     

有限域上随机多项式的统计渐近性质

主要研究有限域上随机多项式的统计渐近性质.具体地，应用相依图和Stein方法证明了关于互素多项式经验密度的中心极限定理和中偏差原理，从而将已有文献中关于整数环上的部分结果推广到了多项式环.     

Stein流形上(p,q)型微分形式的Koppelman-Leray公式的拓广

为进一步研究 Stein流形上的 Koppelman- Leray公式 ,采用 Bochner- Martinelli的方法 ,并将之推广到 Stein流形上 .便可得到一个 Stein流形上 (p,q)型微分形式的 Koppelman- Leray公式的一种拓广式 ,该拓广式的特点是积分核中含有可供选择的实参数 m及 (D,s,φ)的 Leray截面 ,当 m=2时 ,可得到 Stein流形上已有的 (p,q)型微分形式的 Koppelman- Leray公式 ,而当取 m=3,4,… ,N(N< ∞ )时 ,可相应得到 Stein流形上一系列积分核彼此不同的积分公式 .由该拓广式还可得到 Cn空间中 (p,q)型微分形式 Koppelman- Leray公式在 Stein流形上的推广     

Stein 流形上 Koppelman-Leray-Norguet 公式的拓广

得到Stein流形上（p,q)型微分形式的Koppelman-Leray-Norguet公式的一个拓广式。该拓广式的特点是含有可供选择的实参数m,m=2,3，…，N（N＜＋∞），由该拓广式，可得到Stein流形上Э^-－方程的含实参数m的连续解。     

带粗糙核的多线性振荡奇异积分算子加权有界的判别准则

研究了带粗糙核的多线性振荡奇异积分算子加权有界性，利用Hardy-Littlewood极大函数和Stein—Weiss的变测度插值定理的方法，得到关于A^～p(R )权函数的判别准则，推广了已有的结果。     

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.     

Stein流形上δ^——方程带权因子解的一致估计

在文献[2]构造Stein流形上（p，q）型微分形式的带权因子的不变积分核基础上，通过Hormande，直径证明了Stein流形上具有非光滑边界强拟凸域上（p，q）型微分形式的δ^--方程带权因子解具有一致估计．并对该解进行了一致估计．     

求解四元数线性系统的一种新方法

利用矩阵半张量积以及矩阵的H-表示方法求解四元数Stein方程的循环解。首先提出了四元数矩阵的矩阵半张量积的一些新结论,进而利用这些结论将四元数Stein方程转化为具有独立变量的矩阵方程;然后利用循环矩阵的H-表示以及经典矩阵理论给出原系统循环解存在的充要条件及通解表达式;最后通过相应的数值算法验证该算法的有效性,并将该方法用于求解线性时变系统中的四元数Stein方程。     

Stein流形上Leray-Norguet公式的拓广

得到Stein流形上f(z)连续且 f(z)也连续时Bochner Martinelli公式和Leray Norguet公式的一种拓广式,这种拓广式的特点是含有可供选择的实参数m=2,3,…,N(N<+∞),当适当选择参数m以及(D,s,φ)的Leray截面时,不但可以得到Stein流形上已有的Bochner Martinelli公式和Leray Norguet公式,还可得到Stein流形上其它一些积分公式.     

未知方差下回归系数常用估计的可容许性

假设一个”维随机向量Y服从正态分布N(β，σ^2In)。在二次损失下，当n≥3和σ^2已知时，Stein在1956年指出Y不是β的容许估计，这是统计判决理论中一个著名的结果，成平在1982年对Stein结果给出了一个有趣的补充，他证明了当σ^2未知时，Y是β的容许估计。这篇文章是成平结果的一般化，即在一个宽广的分布类中，证明了当方差未知时，回归系数最小二乘估计是容许的。这表明当方差未知时，回归系数最小二乘估计是一个适合的估计。     

Stein损失下BP神经网络分类方法在人脸识别中的应用

在统计判决理论的框架下,针对一类特定目标人脸识别中存在的问题,提出了基于Stein损失的BP神经网络分类方法,证明了Stein损失下的BP神经网络的收敛性,经过剑桥大学ORL人脸库的图像识别实验,表明这种方法能有效解决传统的BP神经网络特定目标人脸识别中存在的问题.     

随机约束模型下回归系数的有偏估计

本文提出具有正态随机约束模型下回归系数的混合Stein估计βm(c)和混合双k类Stein型估计βmk(k1,k2)，在均方误差意义下，证明了，当c,k1,k2满足一定条件时，对一切β和σ^2,βmr(c)和βmr(k1,k2)一致地优于β的混合估计βm，最后，将结果推广到较一般的正态随机约束模型。     

协方差阵扰动对Stein岭型主成分估计的影响分析

针对线性回归模型中协方差阵扰动对Stein岭型主成分估计β(P)G的影响问题进行研究.证明了β(P)G的某种极限是数据删除模型的Stein岭型主成分估计;建立了β(P)G与G-M模型的Stein岭型主成分估计β(P)之间的关系;定义了度量扰动影响的距离测度DG,并给出了DG的多种计算式;最后通过实例验证其有效性.     

一个改进的Mihlin—Hormander乘子定理

文章利用κ阶Stein函数理论，通过减弱m(x)所满足的条件，得到了一个改进的Mihlin—Hormander乘子定理。     

半相依回归系统的Stein型广义岭型主成分改进估计

对于一类半相依回归系统,将Stein压缩思想与广义岭型主成分改进估计相结合。提出Stein型广义岭型主成分改进估计,并且讨论这种估计及其相应的两步估计的优良性质。     

多元线性模型回归系数的Stein型估计

本文对多元线性模型的回归系数提出了Stein型估计,可使其MSE小于LS估计。分析了选取参数矩阵K的MSE准则存在的缺陷,于是应用Q(C)准则克服这些缺陷。从理论上证明了Q(C)准则的优良性,并给出了确定C的方法。     

几类k阶Stein函数的Lp模估计

提出了两类k(k∈N )阶Stein函数,在讨论其与k阶Littlewood-Paley函数的关系的基础上,建立了2≤p<∞时两类k阶Stein函数的Lp模估计.     

Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.     

回归系数的一种有偏估计

为了改进最小二乘估计，克服其在设计阵呈病态时表现出的不可靠性，本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来，提出了多元线性模型回归系数的一种新的有偏估计。并且证明了：此种估计在均方误差意义下是可容许估计；在参数区域的某个椭球内，这种新的估计优于最小二乘估计、主成分估计和组合主成分估计。     

迭代法收敛条件的改进

本文引入了矩阵广义具有某性质 m,一致广义具有某性质 n 的概念,进而较全面地改进和推广了经典矩阵分列迭代法的收敛条件,特别是给出了著名的 Stein—Rosenberg定理,Varga 正则分列定理,Ostrowski—Reich 定理的推广,而且这些改进和推广形式都极易检验,便于应用。