矩阵损失下非齐次线性估计关于不等式约束的可容许性

对于一般的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型,给出了当回归系数受一个不等式约束时,在矩阵损失下,非齐次线性估计保容许的充要条件。     

广义Gauss—Markoff模型下基于变换观测值的MINQUE

对于广义Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型Ｍ＝｛Ｙ,Ｘβ,σ＾２∑｝和经过线性变换的模型Ｍ＝｛ＦＹ,ＦＸβ,σ＾２Ｆ∑Ｆ｝,其中Ｘ不必列满秩,∑可以奇异,Ｆ是任意给定的矩阵,本文给出了变换前后σ＾２的最小二次无偏估计在模型Ｍ下相等的充要条件。     

SUR 回归模型中最小二乘估计与 Gauss-Markof 估计及两步估计重合的条件

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｎｅｒ的两步估计可以相等。此外,也得到了关于最小二乘估计在线性无偏估计类中的容许性的某些结果。     

SUR回归模型中最小二乘估计与Gauss—Markof估计及两步估计重合 …

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｌｎｅｒ的两步估计可以相等,此外,也得到了关于最小二乘估计在线性无偏估计数类中的容许性的某些结果。     

Gauss－Markoff和方差分量模型中LSE的一种新的相对效率

对Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型：Ｙ＝Ｘτ＋ｅ，ｅ～（０，σ￣２Ｖ），Ｖ≥０，τ的ＬＳＥ的一种新的相对效率被提出来并得到了其下界．对方差分量模型：τ的ＬＳＥ的一种新的相对效率也被提出来并得到了独立于未知参数的下界。     

BLUE与NLUE相等的充分必要条件

讨论了在广义Ｇａｕｓｓ－Ｍａｒｋｏｖ模型,最佳线性无偏估计（ＢＬＵＥ）与自然线性无偏估计（ＮＬＵＥ）相等的一个充分必要条件是Ｒ（Ｖ）＝Ｒ（Ｘ）。     

用Marquardt法对福建柏的Logistic生长曲线的拟合

采用离散Ｍａｒｑｕａｒｄｔ算法拟合常数绿针叶树－福建柏的Ｌｏｇｉｓｔｃｉ生长曲线，Ｍａｒｑｕａｒｄｔ法也许优于Ｇａｕｓｓ－Ｎｅｗｔｏｎ法。     

Gauss—Markoff和方差分量模型中LSE的一种新的相对效率

对Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型：Ｙ＝Ｘτ＋ｅ，ｅ￣（０，ο＾２Ｖ），Ｖ≥０，τ的ＬＳＥ的一种新的相对效率被提出来并得到了其下界，对方差分量模型：Ｙ＝Ｘτ＋ｅ，ｅ￣（０，ｍΣｉ＝１ο＾ｉＶｉ），Ｖ＝ｍΣｉ＝１Ｖｉ≥０，τ的ＬＳＥ的一种新的相对效率也被提出来并得到了独立于未知参数的下界。     

非线性Burgers—BBM方程解的渐近性

考虑非线性Ｂｕｒｇｅｒｓ－ＢＢＭ方程的Ｃａｕｃｈｙ问题和初边值问题，利用能量估计方法，得到了该问题解的渐近性。     

方差方量模型中保G—M估计的线性变换

考虑方差分量模型（Ｙ，Ｘβ，Σ↑ｔ↓ｉ＝１σｉ＾２Ｖｉ），假设Ｘβ的Ｇ－Ｍ估计存在。本文给出了可观测的随机向量Ｙ的线性变换Ｆ为保Ｇ－Ｍ估计的变换（即存在ＦＹ的线性函数为Ｘβ的Ｇ－Ｍ估计）的充要条件，并指出在变换前后的模型中，Ｘβ的Ｇ－Ｍ估计相同。     

生长曲线模型的几乎无偏岭估计

本文用几乎无偏岭估计来估计生长曲线模型中的回归系数,表明了在均方误差意义下,几乎无偏岭估计优于岭估计,并通过实例验证了该结果。     

Stein损失函数下的保费估计

利用信度理论研究在Stein损失函数下的保费估计问题,分析了贝叶斯估计、信度估计、多层贝叶斯估计3种估计,并计算3种保费估计,比较其结果发现在Stein损失函数下:当样本数n趋于无穷大时,信度保费会收敛到风险保费,且多层贝叶斯估计比贝叶斯估计的稳健性更强.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

矩阵损失下带约束增长曲线模型的线性容许minimax估计

在矩阵损失下,讨论了带等式约束增长曲线模型在齐次线性估计类■0中是线性Minimax容许估计的充分必要条件。     

多元线性模型系数的广义根方改进估计类

从矩阵变换理论出发，对多元线性模型的系数提出了广义根方估计。证明了它优于系数的ＬＳ估计，根方改进估计，且是β的线性可容性估计等性质。     

对称熵损失下指数分布的参数估计

研究指数分布的刻度参数在对称熵损失下的最小风险同变估计及Bayes估计,并讨论（cT＋d）－1形式估计的可容许性与不可容许性．     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .     

线性回归模型的一种新的有偏估计

本文提出了线性模型在随机约束条件下的一种岭估计,并给出了在均方误差矩阵准则下这种新的岭估计优于混合估计与岭估计的充要条件.     

对数正态分布无失效数据的Bayes统计分析

利用对数正态分布的性质,从失效概率在时间相差较小的情况下应具有时间的连续性出发,讨论了检验时刻失效概率的分层Bayes估计,进而利用分布函数曲线拟和方法得到了母体参数的线性回归估计,并结合实际问题进行了计算．     

一类新的损失函数下负二项分布模型的Bayes可靠性分析

在一类新的加权平方损失函数下,给出了负二项分布可靠度的Bayes和多层Bayes估计,并利用E Bayes方法给出了负二项分布可靠度的E Bayes估计.针对得到的3种估计,给出了数值模拟,结果表明:E Bayes估计比多层Bayes估计优良.