有限区间[a,b]上混合泊松过程的统计推断问题

定义出一类新的计数模型———有限时间区间[a,b]上的混合泊松过程N(t)并给出其增量的性质,然后在一定的前提条件下给出了其强度Λ的Baye检验,最后在前面检验的基础上给出了Λ的Byes估计。     

关于左∧半群

本文引入左∧，右∧半群并讨论其基本蛋白质，并给出∧半群的基本类型，文中证明完全单半群是左∧半群仅当它是矩形群，则该半群必是∧半群，同时证明了正则的左、右∧半群必是纯正半群，最后，证明左Ｃ半群是左∧半群并证明强左Ｃ半群是∧半群当且仅当它的幂等元带是∧半群。     

刻度指数族参数的经验Bayes检验问题

论文在加权“线性损失”下讨论刻度指数族中参数的经验Bayes(EB)检验问题．利用概率密度函数及其导数的核估计方法构造了EB检验函数，并证明它的渐近最优性，获得其收敛速度．最后，给出两个应用．     

岭回归估计均方误差的重要特性及其应用

通过深入分析单参数岭估计β（k）的均方误差MSE（β（k），得到了它的一个重要特性。并把较优均方误差的存在范围由（0,σ∧2/maxa∧2γ）扩大到（0.2σ∧2/maxa∧2γ）；同时，还得到了较优均方误差的另一不可替代的存在范围（0，2σ∧2minλγ/（maxλγα∧2γ-σ∧2）；以及最优均方误差的存在范围[σ∧2/maxα∧2γ，σ∧2/minα∧2γ]，并结合实际问题，给出了岭参数k值选的算法实例。     

指数分布定数截尾样本下经验Bayes双侧检验问题

研究了指数分布定数截尾情形下失效率函数的经验Bayes（empirical Bayes，EB）双侧检验问题．利用概率密度函数的核估计构造了EB检验函数，证明了它的渐近最优性，并获得了其收敛速度．最后，给出了一个满足定理条件的例子．     

格H蕴涵代数在分子集上的表现

对格Ｈ蕴涵代数，当（Ｌ，ˇ，∧）是完全分配格时，本文给出了（Ｌ，ˇ，∧）在Ｌ的分子集的幂集Ｐ（Ｍ）上的一个表示定理。     

矩阵广义对角占优性的判定

利用线性方程组解的理论得到了矩阵广义对角占优的又一判定定理，对于用此方法判定的广义对角占优矩阵A，可具体给出正对角阵∧，使A∧为对角占优阵。作为应用还得到了矩阵非奇异的判定定理。最后给出了应用实例。     

叙列空间上的∧——有界变差函数

给出了定义在叙列空间上的∧-强有界变差函数、∧-弱有界变差函数、∧-有界变差函数、∧-弱有界变差函数的概念,讨论了它们的关系和性质,推广了文[1-2]中的有关结论.     

∧^0粒子极化分析中的数学处理

叙述了对∧０粒子极化分析的方法，考虑了参考方向和坐标系的确定，着重对∧０粒子的磁矩与磁场相互作用所造成的进动角进行了计算和修正，最后给出了实测例子．     

YN相互作用和轻超核∧^5He结合能的计算

在手征SU(3)夸克模型基础上，用共振群方法，给出∧N相互作用的非定域位，并用于轻超核∧^5He的结合能的计算，得到了与实验和其他方法相近的结果．     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计,得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

基于Bayes推广理论的市场预测研究

Bayes方法是一种有效的预测手段，它能够把主观估计和客观估计结合起来，并能随着资料的不断增加而调整预测，使得市场预测更加精确。介绍了Bayes推广理论的基本方法，把Bayes推广理论应用于市场预测，并给出了具体的算例。     

有限加权和型维纳过程增量的探讨

作者是对有限加权和类型的Wiener过程增量有多大的问题进行了探讨,并得出了关于区间[0,T],在长度为的子区间上增量问题的一些重要结果,此结论是Csórgó.M和Révész.P两人关于Wiener过程增量有多大问题的经典结论的推广.     

基于对称熵损失和记录值的一类分布族参数的估计

在对称熵损失函数下,基于记录值样本,得到了一类分布族参数的Bayes估计和经验Bayes估计,并讨论了一类逆线性(cT+d)-1形式估计的可容许性和不可容许性.     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

一类可靠性增长模型的Bayes估计

在可靠性增长模型中 ,针对失效率很低的成败型试验的情况 ,提出一种改进的 Bayes估计法。该方法不将各阶段失效数据作等同处理 ,与传统的 Bayes方法相比 ,具有一定的优越性     

具有部分先验信息的贝叶斯分析法在模式分类中的应用

针对模式分类中高置信度的先验概率分布难以设定的问题,提出了一种新的应用贝叶斯分析进行模式分类的方法。该方法首先求得已知先验信息和各个可能的分类决策对先验概率分布的约束集,然后通过对他们进行比较确定待分类模式的类别。实例表明该方法能够有效地缩小待分类模式的可能类别集,从而为分类系统的下一步精确分类提供便利。     

基于非下采样Contourlet变换的图像自适应阈值去噪算法

利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑非下采样Contourlet变换域内相邻尺度间和同一尺度、不同方向间图像系数和噪声系数之间不同的相关性,根据子带含有信息量的多少,自适应地调节BayesShrink阈值大小,不仅使弱的边缘细节被从噪声中提选了出来,而且避免了将较大的噪声系数判定为图像细...