复合瑞利分布模型参数的Bayes可靠性分析

在完全样本下导出了两参数复合瑞利分布参数的最大似然估计,利用构造枢轴量得到了形状参数和尺度参数的逆矩估计,通过Monte Carlo数值算例给出了相应的估计方法的应用.     

ND序列下最近邻密度估计的强相合速度

在ND(negatively dependent)样本下研究最近邻密度估计的强相合速度,利用ND序列的指数不等式以及ND序列的性质,给出了最近邻密度估计强相合速度的充分条件。     

具有时间变化效应的信度模型

利用信度理论方法研究了具有时间变化效应的风险保费的估计问题.结论表明,具有时间变化效应的信度模型,其信度估计仍然是个体索赔数据与聚合保费的加权平均,且信度因子依赖时间变化效应,从而推广了经典的信度原理     

对数线性Gamma分布模型极大似然估计的渐近正态性

在(sum (Z_iZ_i′) from i=1 to n)-1→0且Z_n′(sum (Z_iZ_i′) from i=1 to n)-1 Z_n→0等条件下证明了联系函数是对数函数Gamma分布模型回归参数极大似然估计的渐近正态性,其中Zi,i=1,2,…,n,是协变量.     

删失样本α混合序列递归核密度估计的一致强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进密度函数,的窗宽固定的核密度估计量,并在一定条件下证明改进后的估计量fn的一致强相合性,并给出一致强相合速度;同时也得到与fn相应的风险率函数λ的估计量λn的一致强相合性及一致强相合速度．     

基于Householder变换的复参数递推最小二乘估计方法

提出了一种基于Householder变换的复参数递推最小二乘参数估计方法.利用基本复Householder变换方法,研究了基于复Householder变换的递推复矩阵上三角化变换算法,针对上三角矩阵增加一行新数据后的复矩阵,提出了按列递推复矩阵上三角化变换算法,并给出了相应的算法证明.算例仿真结果验证了基于复Householder变换的复数最小二乘估计算法的有效性和可靠性.     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

多元线性模型参数的有偏估计

文章对于多元线性模型Yn×q～(Xn×pBp×q,Vq×q(×)In×n)提出了参数B的一种有偏估计(^β)h,(^β)h在线性模型典则形式下,对应的有偏估计为(^α)h=(Iq(×)Λ hI)-1(Iq(×)Λ I)(^α),此(^α)h有很好的统计性质;并阐明它在均方误差准则下这种估计相对于最小二乘估计和岭估计的优良性问题,从而推广了已有的有关结果.     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.     

广义线性模型中极大拟似然估计的弱相合性

在λn=O(λn)及其它正则条件满足时,用压缩映射原理证明一般联系函数多维广义线性模型的极大拟似然估计(MQLE)的弱相合性,将误差为独立序列的情形推广到相依序列,其中-λn(λ-n)为矩阵Sn=∑ni=1XiXTi的最大(最小)特征根.