目标状态的“全面”自适应估计

本文根据“全面”自适应的思想,建立了一种新的目标状态估计器——“全面”自适应估计器,通过目标动态特性识别、特征参数辨识和“全面”自适应模型集的结合,达到了跟踪估计目标各种运动的“全面”自适应能力.利用Monto-Carlo仿真表明,本文提出的新估计器具有所期望的良好性能.     

多元线性模型回归系数的Stein型估计

本文对多元线性模型的回归系数提出了Stein型估计,可使其MSE小于LS估计。分析了选取参数矩阵K的MSE准则存在的缺陷,于是应用Q(C)准则克服这些缺陷。从理论上证明了Q(C)准则的优良性,并给出了确定C的方法。     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

尺度参数的最优尺度不变估计的非容许性

本文针对尺度参数分布的情形，在一般二次损失函数下，证明了维数≥２时，最优尺度不变估计是非容许的，并得到了它的同时改进估计，据此讨论了此改进估计关于损失函数类的稳健性问题。在加权平方损失函数下，得到了不等尺度改进估计．对于多个观测值的情形，获得了两个非常有用的结果。     

线性连续回归模型基于Chebyshev多项式逼近的Markov参数估计

文中先提出了基于Ｃｈｅｂｙｓｈｅｖ多项式逼近，有连续Ｗｉｅｎｅｒ过程扰动的线性连续回归模型最小二乘参数估计算法，然后讨论了Ｗｉｅｎｅｒ过程的Ｃｈｅｂｙｓｂｅｖ多项式逼近值的相关性，在此基础上，提出了能获得参数估计误差方差为最小的Ｍａｒｋｏｖ参数估计（最小方基估计）算法。文中还将所提出的估计方法推广至控制领域中所讨论的随机连续动态系统的参数估计中，计算机仿真结果显示了本文方法的有效性。     

信息论在统计学中的应用

本文用申农(Shannon)关于信息定量的方法,对一类贝叶斯(Bayes)估计进行了讨论,提出了可信样本容量的确定方法,把信息论直接应用到统计学中。     

一类拟线性退缩椭圆组弱解的全局正则性

利用ＭｕｃｋｅｎｈｏｕｐｔＡ_２类权函数的Ｓｏｂｏｌｅｖ空间Ｈ~１（Ω，Ｒ~Ｎ，λ）和（Ω，Ｒ，λ）嵌入不等式，证明一类拟线性退缩椭圆组弱解的Ｌ~Ｐ估计和全局正则性。     

结构关系度是误差回归模型的相合估计

讨论一般结构关系度量误差模型的大样本理论，给出了未知参数的一个强相合估计。     

一类对称格式的加权L2模估计

本文对奇异边值问题的有限元方法作了讨论。给出相应问题广义解的先验估计。利用对称有限元方法，研究了有限元解的加权Ｌ＿２模估计。