回归系数的一种有偏估计

为了改进最小二乘估计，克服其在设计阵呈病态时表现出的不可靠性，本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来，提出了多元线性模型回归系数的一种新的有偏估计。并且证明了：此种估计在均方误差意义下是可容许估计；在参数区域的某个椭球内，这种新的估计优于最小二乘估计、主成分估计和组合主成分估计。     

两类增长曲线模型误差方差估计——二次型容许估计

研究两类增长曲线模型误差方差的二次型估计的容许性，在损失函数为（d-σ^2)/σ^4时，对这两类模型分别给出一个二次型估计在二次型估计类中可容许的充要条件。     

结构型EV多项式模型参数估计的相合性

在EV模型中,函数型EV多项式模型中未知参数估计问题已解决,但在结构型EV多项式模型中还未解决。利用改进的最小二乘估计方法构造了结构型EV多项式模型中未知参数β、2σ的估计量^β、^σ2,获得了估计量^β、^σ2分别是β、2σ的弱相合估计。     

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。     

正态总体参数容许分析

对一般正态分布N（μ，σ^2），在参数μ已知及未知条件下，σ^2的容许估计进行了讨论，并得到了一个在μ未知时，σ^2的一个容许估计。     

一般增长曲线模型回归系数的一种可容许有偏估计

对于线性回归模型：Y=Xβ＋ε,E（s）=0,cov（ε）=σ^2v,v〉0,文献[1]给出了有偏估计βs^＊=（X^TV^-1X＋sI）^-s（XTV^-1Y＋β^＊）,其中s〉0为参数,β表示线性回归模型的广义最小二乘估计,文献[2]中已经证明了βs^＊的可容许性并且有很多优良性质．作者用类似的方法证明在一般增长曲线模型下该有偏估计仍具有许多优良性质并证明其在均方意义下是可容许的．     

岭估计在数据变换下的影响评价

本文考虑线性回归模型Y=Xβ ε，ε～(0，σ^2f)中数据变换Z=A′Y对岭估计的影响，证明了该影响可以通过一个用最小二乘法解决的回归问题进行分析，从而得到了岭估计不受变换影响的充要条件。     

推广增长曲线模型中回归系数阵的最小二乘估计

对于推广的增长曲线模型Y=∑i=1^2AiBiCi Ξ，其中Bi(i=1，2)为未知系数阵，本文利用投影阵和递归算法给出了回归系数阵B1，B2的最小二乘估计的具体表达式。     

正态均值向量参数的估计

本文给出了控制最小二乘估计的James-Stein型改进估计量,刻划了正态模型Y～N(Xβ,σ~2V),V可以奇异,σ~2∈S(?)(0,+∞),0(?)(?)下的线性可容许估计的特征。     

约束模型下回归系数的有偏估计

本文提出线性约束模型下回归系数的 stein 估计和双k类 stein 型估计的概念,二者均为回归系数β的非线性约束有偏估计。在均方误差意义下,证明了:当所含参数满足一定条件时,对一切β和σ~2,它们一致地优于β的约束最小二乘估计(?)_L。最后,将结果推广到较一般的线性约束模型。     

线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。     

具相关观测值模型未知参数的BLUE的性质

<正> 一、引言 A.E.Hoerl和R.W.Kennard 1979年在[1]中对独立观测值线性模型(Y,Xβ,σ~2I_u)参数β的LSE(Least Squares Estimators)提出了一个猜测,这一猜测在1984年由P.S.S.N.V.P.Rao和M.Precht在[2]中给出了证明。本文在他们工作的基础上,用[3]中的方法,把[2]中这一结果推广到对具相关观测值线性模型(Y,Xβ,σ~2G),|G|(?)0的未知参     

双正态总体均值的置信区间估计及MATLAB实现

分析了两个正态总体均值之差的区间估计(σ21、σ22未知,但σ21=σ22)和两个正态总体均值之差的区间估计(σ21、σ22未知,n1,n2≥50),对参数做区间估计时统计量的选取进行了探讨,结合实例进行了讨论,并给出MATLAB上实现的程序.     

两个乘积因子的σ-仿紧空间的乘积定理(Ⅱ)

主要证明下述定理 :如果X是仿紧的C -分散空间 ,则X×Y是σ -仿紧的当且仅当Y是σ -仿紧的。此外 ,我们还指出 ;σ -序列meso紧也有完全类似的结果     

Moderate deviations for a test of symmetry based on deconvolution kernel density estimators

Suppose that Y1 , Y2 , , Yn are independent and identically distributed n observations from convolution model Y = X + ε, where X is an unobserved random variable with unknown density f X,and ε is the measurement error with a known density function. Set f n ( x )to be a nonparametric kernel density estimator of f X,and the pointwise and uniform moderate deviations of statistic sup x∈ R | f n ( x ) f n( x) |are given by Gine and Guillou’s exponential inequality.     

压缩型正态——伽玛分布的Bayes统计分析研究

文章给出了两参数u，α^2均未知时的一种压缩型正态-伽玛分布的Bayes分析统计性质．并给出相应的算法与实例．     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

箬竹叶抑菌成分的分离纯化及结构分析

箬竹叶干粉加1％碳酸钙，用甲醇抽提至色淡，抽提液浓缩后经石油醚萃取，水相过聚酰胺柱，用水和95％甲醇洗脱，醇洗部回收甲醇经60℃低温干燥，得红棕色结晶性粉末，该物质纸层析，硅胶薄板层析，得单一色斑，在聚酰胺柱色谱中呈单一吸吸收峰，经高压液相色普检验，单一主峰面积比例为92．31％，用盐酸镁粉检出其为黄酮化合物，经酸水解，用硅胶薄板层析检出有木糖，用Uv-vis光谱法及化学法对其结构进行分析，该化合物具有抑菌活性，水解后抑菌活性升高。