随机模拟浅探

讨论了随机模拟的接受-拒绝法和条件分布法.作者给出了用随机模拟进行Monte Carlo检验和估计积分值的具体步骤,并例举了一些有趣的结果.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

x~2分布性质的注记

给出了x²分布性质的两个注记,一个是关于x2分布性质的两个注记,一个是关于x²分布倒数的数学期望的性质,另一个是关于两个独立的x2分布倒数的数学期望的性质,另一个是关于两个独立的x²变量乘积分布的性质.     

不等式约束下多元线性模型中线性估计的可容许性

研究多元线性模型在不等式约束下齐次线性估计和非齐次线性估计的可容许性, 刻画了二者之间的关系, 得到了齐次线性估计(非齐次线性估计)在齐次线性估计类(非齐次线性估计类)中是可容许的充要条件.     

正态-逆Gamma先验下线性模型中回归系数和误差方差Bayes估计的改进

在正态 逆Gamma先验下, 研究线性模型中回归系数和误差方差Bayes估计的优良性, 改进了已有的结果, 去掉了附加条件. 在Pitman准则下, 证明回归系数的Bayes估计优于最小二乘估计(LSE), 并讨论误差方差的Bayes估计在均方误差准则下相对于LSE的优良性. 最后进行Monte Carlo模拟研究, 进一步验证了理论结果.     

矩阵损失下线性估计可容许性的注记

研究矩阵损失下线性模型中线性估计的可容许性, 利用矩阵论的相关知识给出了齐次线性估计类和非齐次线性估计类中可容许估计的新刻画, 并举例说明所给条件更易于应用.     

矩阵损失下线性预测关于不等式约束的容许性

本文研究了有限总体模型中参数受到不等式r'β≥0约束时的容许性问题,在矩阵损失下得到了线性预测是可容许的充要条件,所给条件易于验证,便于应用.     

关于数理统计中若干基本概念的理解

<正>确认识和理解基本概念是学好数理统计的前提和基础.探讨了对总体与统计推断、偏度与峰度以及充分统计量等基本概念的认识与理解,以期对学习数理统计能起到一定的指导作用.     

不等式约束下线性模型中回归系数的所有可容许估计

对于线性模型Y=Xβ+ε, ε~N(0,V]), V>0已知, 给出了在不等式约束RXβ≥0下[WTHX]β[WT]的线性估计在二次损失下及一切估计类中为可容许的充要条件.     

多元Poisson分布及其性质

首先给出了多元Poisson分布的一种定义,然后从研究其特征函数入手,讨论了多元Poisson分布的边缘分布、条件分布以及数字特征等一系列性质.最后给出了多元Poisson分布与多项分布以及多元正态分布之间的关系.