约束线性回归模型的一种新的可容许估计

对于带约束的线性回归模型y=Xβ+e,E(e)=0,Cov(e)=σ2W,W＞0,Xβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R,给出了在均方误差阵意义下新的估计β*R(k)优于约束最小二乘估计β*R的条件.     

约束线性回归模型的一种新的可容许估计

目的对于带约束的线性回归模型,y=Xβ+e,E(e)=0,cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计βR*(K)=(KM+I)-1βR*其中K=diag(k1,k2,…,kp)。方法应用比较的方法。结果与结论求出了在均方误差意义下βR*(K)优于β*R的条件,并讨论了其可容许性。     

Schauder不动点定理在分数阶m-点边值问题中的应用

用Schauder不动点定理研究了分数阶m-点边值问题﹛D_0~α+u(t)+f(t,u(t))+e(t)=0,0t1;u(0)=0,u(1)=m-2∑i-1β_iu(η_i).其中1α2,0β_i1(i=1,2,…,m-2),0η_1η_2…η_(m-2)1,K=m-2∑i-1β_iη_~(a-1)1,D_0~α+是标准的Riemann-Liouville微分,f的第一或第二个变量可以具有奇性,e可以为负.分别给出了γ_*0,γ_*=0,γ_*0γ~*,γ~*≤0四种情形时正解的存在性结果.     

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。     

线性模型的广义压缩预测

考虑线性模型y=Xβ+e,E(e)=0,Cov(e)=σ2V在V=IN且2≤ rkX=P≤N假设下,针对X的复共线性,提出了广义压缩预测.     

多重线性回归的最小二乘估计的递推算法

给出多重线性回归yi=β0+β1xil+…+βpxip+εi(i=1,2,…,n)的最小二乘估计的递推算法β(n)=β(n-1)=PnXn(yn-Xtnβ(n-1)Pn=Pn-1-Pn-1XnXtnPn-1β(0)=0,P0=αI(α>>1).这种算法是自适应的,也是均方收敛的.     

一类流行病数学模型解的研究

该文讨论了如下一类非线性抛物线方程组解的性质｛(e)u/(e)t=d1△u-a11u+∫Ωk(ξ)v(ξ,t)dξ (e)v/(e)t=d2△v-a22v+um (x,t)∈Ω×(0,∞) u(x,0)=u0(x) v(x,0)=v0(x) x∈Ω (1) B[u]=a(x)(e)u/(e)n+β(x)u=0 B[v]=a(x)(e)v/(e)n+β(x)v=0 x∈(e)Ω 利用微分方程上、下解方法证明了初值适当小时,方程存在整体解;初值适当大时,解在有限时间上爆破,推广了文献[1]的结果.     

一类二阶非自治系统概周期解的存在唯一性

该文讨论了一类二阶非自治系统x+RF'(x)x+1/LF(x)=Ae(t)在一定条件下概周期解的存在唯一性,并得到了仅当a1＞0,αk+1≥0时,x+R(∑α2k+1x2k+1)x+1/L∑α2k+1+1x2k+1=Ae(t)(R＞0,L＞0,A＞0,e(t)为一定条件下的概周期函数)存在概周期振荡,推广和改进了文[1-3]中的结果.     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ ε;Ε(ε)=0;cov(ε)=σ2I下给出了有偏估计βc*(K)=(cXTX ΦKΦT)-1XTY,其中c≥1,K=diag(k1,k2,…,kn)为对角阵,ki≥0,讨论了这种有偏估计的可容许性,利用Stein式压缩技术说明在均方误差意义下它优于广义岭估计,推广了有关结果.     

线性模型中均值向量的LSE和BLUE的偏差

考虑线性模型Y=Xβ e,这里E（e）=0,Cov(e,e)=σ^2V,V是非负定矩阵。众所周知,u=Xβ的最小二乘估计和最优线性无偏估计分别为u=X(X‘X)^-X‘Y和u=X(X‘T^-X)^X‘T^-Y,这里T=V XUX‘,U是矩阵满足R(T)=R(V:X)且T≥0。该文讨论V≥0时u与μ的偏差。在满足一定条件下得到相似的Haberman的一个界。在欧氏范数下,得到使Haberman条件成立的一个便于应用的充要条件。证明了类似于[2]界的推广形式,并把[3]界推广到V≥0。     

线性限制下联立方程组模型的可识别性与参数估计

给出了带线性方程间限制的联立方程组模型的可识别定义及间接最小二乘估计量、两步最小二乘估计量、三步最小二乘估计量的解析表达式．进一步在可以理解的条件下证明了这些估计量的一相合性和渐近正态性．随机模拟的例子表明这些方法中三步最小二乘估计是最好的．     

Generalized ridge estimation of a semiparametric regression model

We considered the following semiparametric regres-sion model yi = X iT β+ s ( t i ) + ei (i =1,2,,n). First,the general-ized ridge estimators of both parameters and non-parameters are given without a restrained design matrix. Second,the generalized ridge estimator will be compared with the penalized least squares estimator under a mean squares error,and some conditions in which the former excels the latter are given. Finally,the validity and feasibility of the method is illustrated by a simulation example.     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

NEAR(p)模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好; 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。     

同步电机参数的测量与辨识

现代电力系统的发展，对同步电机的各种动态性能计算不断提出的新的要求，而如何简单有效地测定同步电机参数则是动态计算的关键。本文研究了加权最小二乘参数辩识法在同步电机参数测量中的应用，通过处理抛载试验过程中的电枢电压和励磁电流，直接得到参数，针对参数辨识的收敛性和多值性问题，提出了一些有效的方法，如采用动态阻尼因子和动态增益矩阵，提高了参数辩识的精度和算法的稳定性。     

一类线性混合模型中的参数估计

把一类线性混合模型化为满足假设的线性模型,然后用最小二乘法、估计法给出线性混合模型中参数的估计.     

半参数线性回归模型的最小一乘核估计

提出半参数线性回归模型的最小一乘核估计,通过模拟计算表明该方法是有效的,在与最小二乘核估计的比较中更突出了该方法的稳健性.     

一次范数最小稳健估计在高程混合网中的应用

目的探讨如何获得高程混合网高精度的平差结果。方法结合高程混合网的模拟计算,分别采用下面4种方法平差,即:第1种,不考虑三角高程测量中折光系数影响的最小二乘法;第2种,考虑三角高程测量中折光系数影响的最小二乘法;第3种,不考虑三角高程测量中折光系数影响的一次范数最小稳健估计;第4种,考虑三角高程测量中折光系数影响的一次范数最小稳健估计。结果上述第2种方法比第1种方法精度高,第3种方法与第4种方法精度相当,且均高于第1种方法和第2种方法。对于一次范数最小稳健估计,权函数中常数c越小,平差结果的精度越高。结论在高程混合网中,上述4种方法中,第3种方法是最佳的,因为它精度最高,同时野外工作量最小。在按一次范数最小稳健估计计算时,应根据需要和实际,选择尽量小的c值。