指数分布冷贮备单元的串联系统产品的统计分析

考虑寿命服从指数分布的冷贮备单元串联而成的系统,给出了参数的矩估计、极大似然估计和逆矩估计,并通过大量Monte-Carlo模拟考察估计的精度,得到矩估计和极大似然估计优于逆矩估计.同时,还给出了参数的精确区间估计和近似区间估计,通过大量Monte-Carlo模拟考察了区间估计的精度,得到参数的精确区间估计优于近似区间估计.     

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

峰度与偏度系数的近似经验贝叶斯估计

建立了单样本数据的贝叶斯模型,给出了偏度系数和峰度系数的线性贝叶斯估计及近似信度估计.进而,将模型推广到多样本数据模型下,并讨论了近似信度估计的统计性质,比较了贝叶斯估计、线性贝叶斯估计及近似信度估计的均方误差.最后,给出了超参数的估计,得到了近似信度估计的经验贝叶斯估计,使该估计可直接运用于实际问题.     

变系数模型的减小方差估计

提出了一种变系数模型的减小方差估计。在任意估计点,利用其附近3个点的局部线性估计的线性组合得到减小方差估计。所得估计与局部线性估计有相同的渐近条件偏差,但较局部线性估计有更小的渐近条件方差,而且该估计具有局部线性估计的良好性质,局部线性估计所采用的窗宽选取方法均可直接应用于该估计。通过数值模拟计算,表明所提出的方法在有限样本下也可以有效地降低估计方差。     

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.     

聚集数据线性模型参数聚集Liu估计的相对效率

 当线性模型中的变量间存在复共线性时,常用有偏估计代替无偏估计。其中广义岭估计是研究较多的一种有偏估计。很多实际问题只能观测到聚集数据。本文给出了聚集数据线性模型聚集Liu估计的定义,提出了聚集Liu估计相对于最小二乘估计的两种相对效率,并得到这两种相对效率的上界;给出了聚集Liu估计相对于Peter-Karsten估计的2种相对效率及其上界。本文提出的聚集Liu估计,既能保证估计参数的稳定性,又能保证估计参数的近似无偏性,从这个意义上说,该估计在某种程度上优于聚集广义岭估计。     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

熵损失下失效率的E-Bayes估计及其性质

失效率的多层Bayes估计需要用到复杂的积分,计算比较困难.本文提出了一种新的估计方法——E-Bayes估计法.它是在Bayes估计的基础上,先给出超参数的先验分布,进而对失效率进行估计.文章分别给出了在特定超参数先验分布的条件下,失效率的E-Bayes估计和多层Bayes估计的计算公式.结果表明,失效率的E-Bayes估计避免了多层Bayes估计复杂的积分计算,形式上更加简洁,便于计算.并通过实例证明,对于同一组实验数据,失效率的E-Bayes估计和多层Bayes估计的数值计算结果十分接近.这说明,失效率的E-Bayes估计不仅具有多层Bayes估计的稳健性,而且具有多层Bayes估计的精确性,从而表明本文提出的失效率的E-Bayes估计法是可行的,且相比于失效率的多层Bayes估计更加简洁,更便于应用.     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

LS估计变劣后的改良

对LS估计变劣的原因进行了分析．根据该原因，运用矩阵论理论，在保持LS估计方法不变的前提下，建立了一种对变劣的LS估计进行改良的方法．实例分析表明，改良的效果是显著的．     

密度核估计的随机加权逼近

本文对密度核估计的随机加权作了研究,在适当的条件下,证明了密度核估计的随机加权逼近的相合性。     

MKZ型算子中心矩的明确上界估计

MKZ型算子及其各类变型算子在逼近论中占据重要地位．若计算其各阶中心矩,其上界估计式需要首先给出．但是,由于算子本身计算复杂度很高,仅仅是其二阶矩的粗略估计和明确估计分别是在18年和35年之后才有人给出．而其各阶矩的粗略估计更是在近半个世纪之后得到的．参考已有研究成果,利用新的逼近技巧给出MKZ型算子各阶矩的明确上界估计．     

广义对角岭型估计类

提出了具有岭型形式的一类回归系数的参数估计--广义对角岭型估计类.在线性模型的典则形式下此估计类仍是最小二乘估计的一个线性变换,具有有偏性和压缩性.同时还讨论了它的均方误差的形式,证明了在均方误差意义下,在某个椭球范围内它优于最小二乘估计,得到了该估计类的残差平方和的一个简单形式.最后指出该估计类其实是具有岭型形式估计类的统一形式.     

零膨胀泊松模型中风险参数的贝叶斯估计

该文建立了贝叶斯模型,讨论了零膨胀泊松分布中参数的估计问题.在平方损失函数、Linex损失函数和Stein损失函数下得到了风险参数的贝叶斯估计.进而,引进了信度理论,在平方损失函数下得到了风险参数的信度估计,证明了估计的相合性.最后,通过数值模拟的方法对估计的收敛性进行了比较.     

一般的增长曲线模型均值矩阵线性估计的泛容许性

在两种矩阵损失函数下讨论了一般的增长曲线模型中均值矩阵线性估计的泛容许性,并在某些线性估计类中分别得到了泛容许估计的充要条件。     

多元随机共同均值泛容许估计的特征

讨论了多元随机共同均值线性模型中均值矩阵和参数的线性估计的泛容许性 ,并在齐线性和非齐线性两个估计类中分别得到了泛容许估计的特征。     

关于Gauss-Markov估计在噪声方差矩阵不可逆时的化简

讨论了Gauss-Markov(简记为)估计与最优加权最小二乘估计之间的关系,证明了即使模型噪声方差阵不可逆,在一定条件下GM估计与最优加权最小二乘估计仍可以是统一的.     

用数字图像相关法研究改性高分子材料的断裂行为

对数字图像相关测量方法进行了系统的研究，对相关迭代算法中的初值估计问题进行了分析研究，提出利用“实时相减”和“精密调节”相结合的办法来获得零初值，从而有效地解决了Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ迭代算法中的初值估计问题，提高了迭代的收敛速度和精度；并首次将数字图像相关方法应用于改性高聚物的断裂行为研究。     

肝脏FDG代谢模型的参数估计

利用房室模型进行肝脏[18F]氟代脱氧葡萄糖([18F]2-fluoro-2-deoxy-D-glucose,FDG)代谢的动力学研究是进行人体功能信息的建模和研究肝脏葡萄糖代谢率的重要手段。动力学研究需要得到血液中的示踪剂浓度随时间变化曲线,将其作为模型的输入,估计出肝脏FDG代谢模型的动力学参数。然而,肝脏存在肝动脉输入和肝门静脉输入。研究分别采用动脉和门静脉的双输入方式和动脉的单输入方式作为血液输入曲线,用这两个输入函数分别进行了肝脏FDG代谢的动力学研究,比较了用两种方法所得到的结果。结果显示,在人体肝脏的FDG代谢研究中,用两种输入曲线得到的结果存在明显的不同,并且用双输入曲线得到的结果更加准确。