拟线性双曲型方程组解的整体存在性

考虑一阶拟线性双曲型方程组的柯西问题.假设特征弱线性退化,非齐次项满足相应与此特征的匹配条件,初值满足慢衰减小,得到拟线性严格双曲型方程组柯西问题的整体经典解的存在性.在整体经典解存在的基础上,采用正规化坐标和波的分解公式得到拟线性双曲型方程组解的一些模的先验估计,证明了解的逐点衰减估计.     

非线性抛物积分微分方程有限元的新估计

考虑一般非线性抛物积分微分方程及半离散线性有限元u_h(t).设Ω是2维凸域或光滑坡.u适当光滑.用半离散Green函数Gh及连续性方法,得到渐近最佳估计及梯度的超收敛估计这里(?)h是某线性抛物积分微分算子的投影。     

双参数指数分布的方向极大似然估计

本文利用方向极大似然估计的概念,证明了双参数指数分布中的两个参数满足双曲线型关系。     

Toeplitz型算子在变指数空间的有界性

先得到Toeplitz型算子的加权不等式,然后利用外推方法得到了当Hardy-Littlwood极大算子在变指数Lebesgue空间有界时,Toeplitz型算子在变指数Lebesgue空间的有界性和向量值估计.     

Fourier积分算子在特殊Herz型Hardy空间上的有界性

讨论了一类Fourier积分算子在特殊Herz型Hardy空间上的性质．通过空间的原子分解及算子核的积分估计，得到了这类算子在特殊Herz型Hardy空间的有界性．     

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。     

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。     

扰动算子的群可逆性及其表示

本文利用算子分块矩阵表示,给出了群可逆算子在一个扰动下仍然群可逆的充分条件,并给出了扰动算子群逆的表达式及其相关的误差估计界。     

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。     

二阶中立型微分方程解的零点距估计

研究了二阶非线性中立型微分方程[x(t) p(t)x(t-τ)]″ ∑mk=1uk(t)kf(x(t-σk))=0解的零点分布问题.通过采用降阶的方法将二阶非线性中立型微分方程转化为与之相关的一阶线性微分不等式.进而对二阶微分方程振动解相邻零点间的距离进行了估计,并加以举例说明.     

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.     

关于线性算子方程的逐次逼近

本文给出Banach空间中线性算子方程求解的逐次逼近法,并且给出算子方程近似解误差估计式.     

关于斜导数问题的几点注记

本文得到了二阶线性椭圆型偏微分方程斜导数问题的内估计;并利用这些估计去证明[1]中的引理6.29。     

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.     

关于岭型主成分估计的回归最优性

证明了在一类岭型降维估计中，岭型主成分估计的方差和最小。     

基于广义线性模型的岭型主成分估计及实例分析

在广义线性模型已有的参数估计的基础上,结合广义线性模型中的主成分估计和岭估计,给出了广义线性模型中的新的估计方法岭型主成分估计,并在均方误差意义下证明了在满足一定条件下这种估计方法是优于广义线性模型中的最大似然估计、主成分估计、岭估计的,最后通过实际算例对比分析验证了理论上得到的结果.     

平衡损失F-般Gauss-Markov模型中回归系数的线性Minimax估计

通过对Zellner提出的平衡损失函数的改进,提出一种新的平衡损失函数,并在此基础上研究一般Gauss-Markov模型中回归系数线性估计的Minimax性,得到了齐次线性估计类中的线性Minimax估计,并证明了在适当的假设下回归系数线性Minimax估计在几乎处处意义下的唯一性.     

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。     

基于奇异设计矩阵的岭估计及其性质

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

关于齐次型空间中极大算子的双权奥尔里奇范数有界性

本文在齐次型空间中研究Ｈａｒｄｙ－Ｌｉｔｔｌｅｗｏｏｄ极大算子Ｍ，建立了关于下面的加权奥尔里奇范数估计式的双权（σ，ｕ）