带有讨厌参数的经验似然比置信区间

在许多情况下，形如θ０＝ＥＨ（Ｘ，μ）是人们所感兴趣的参数，这里Ｈ（·，·）是一已知在Ｒｄ×Ｒｋ上的连续实函数，其中，μ∈Ｒｋ是一讨厌参数，利用经验似然比泛函给出了θ０的经验似然比置信区间，属非参数方法，但其结果却类同于参数下的Ｗｉｌｋｓ定理和Ｏｗｅｎ的工作，同时给出了一些有用实例．     

用收敛类描述第二可数公理

用由敛类刻划了满足第二可数公理的空间，并得到一个充要条件。     

关于Stable收敛

本文对一般完备可分距离空间上的随机元序列在更广泛的形式下定义了stable收敛、给出了一些新结果,并通过正面讨论和反例研究了它与其它类型收敛的关系.     

一种Jacobi型方法及其应用

本文给出了一种新的Jacobi型方法,用于求埃尔米特矩阵的全部特征值和特征向量时,比[1]中所用的Jacobi方法收敛速度快一倍,存贮量少一半,计算总量也少一半。实例表明效果还要好些。这一新方法可用于埃尔米特矩阵同时迭代法正定广义埃尔米特特征值问题的同时迭代法以及一般广义埃尔米特特征值问题。     

关于正整数n的平方部分数列的均值公式

利用解析的方法来研究平方序列的均值，从而得出几个有趣的渐进公式．     

RLW方程的一个新的守恒差分格式

以RLW方程的一个新的守恒差分格式对正则长波（RLW）方程的初边值问题进行了讨论，提出了一个新的三层差分格式．该格式很好地模拟了RLW方程初边值问题的能量守恒关系，且是稳定的和收敛的．数值结果表明，该格式精度明显好于正则长波方程一个新的差分方法中的格式，特别取适当参数时，精度提高了近一个数量级，因此是一个实用而可靠的数值算法．     

关于一种严格伪压缩映象Mann迭代序列的强收敛性

证明了在H ilbert空间中非空有界闭凸集上的严格伪压缩自映象有不动点,介绍了一种关于严格伪压缩映象的M ann迭代序列并证明了其强收敛于不动点,其结果把非扩展映象推广到严格伪压缩映象,从而推广了近代一些相关结果.     

广义分式规划Dinkelbach型算法的推广

就一类目标函数中有无限个分式的广义分式规划问题,在已有的相应的D inkelbach型算法的基础上作了进一步的推广,使其成为一簇算法;讨论了一个参数规划的性质和该簇算法的收敛性.结果表明:改进的D inkelbach型算法是该簇算法的一个特例,并且该簇算法在每次迭代时参数的取法有很大的灵活性,因而在求解时可允许有较大的误差而无损于相应的收敛速度.     

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．     

函数列的收敛与一致收敛

本文通过收敛与一致收敛的概念研究,用函数列的收敛与一致收敛关系讨论数学分析中收敛问题,这也为函数列的收敛与一致收敛问题的深入研究提供了一种方法。