几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论，本文分别就一般加权情形、最优加权情形和指数加权情形，给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法，分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。     

生长曲线模型中协差阵的一致最小方差非负二次无偏估计

在准椭球等高分布下给出了生长曲线模型中ｔｒ（ＣＶ）的一致最小方差非负二次无偏估计存在及任一个非负二次估计成为一致最小方差非负二次无偏估计的充要条件。     

关于渐近中位无偏估计的渐近效率(英文)

本文在几种重要的分布族中,给出了渐近中位无偏估计的渐近效率的一种定义。给出了如下一些结果：在单参数族中,提出了构造渐近有效的渐近中位无偏估计的一种方法,在具有共同支撑集的分布族中,论证了渐近中位无偏有效估计与ＢＡＮ估计之间的等价值;而在非共同支撑集的截断族中,对一般的参数向量函数构造了它们的渐近中位无偏估计,并且计算出了它们的渐近效率。     

基于无偏灰色-马氏链组合模型的股价研究

通过对股票价格运行特点分析，将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链，并在对两详细剖析的基础上建立了无偏灰色—马氏链组合模型，以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间，检验和实例表明该模型具有较高精度和应用价值．     

无偏灰色GM(1,1)模型的直接建模法

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有线性变换一致性,且通过累加生成建模时,原始序列第一点信息没有起作用等问题,提出了GM(1,1)的3种无偏灰微分方程形式,给出了无偏GM(1,1)的直接建模法,证明了新方法不仅具有白指数律重合性,而且具有线性变换一致性。实例分析表明,新方法提高了建模的精度,扩大了模型的适用范围,充分利用了原始序列的第一点信息。     

中位数无偏和Pitman准则

利用Pitman准则考虑了随机变量的预测问题。在平方损失及Linex损失下证明了MU预测量是某一给定的预测量集合中的Pitman—closest预测量。     

双侧截尾时双参数指数分布的BLUE

给出了双参指数分布在双侧截尾情况下未知参数σ和θ的最佳线性无偏估计（简记BLUE）和它们的方差．     

多应力—强度模型结构可靠度的估计

在Ｙｌ，…，Ｙｎ－ｌ，Ｙｎ相互独立且服从正态分布情况下得到结构可靠度Ｐｒ（Ｙｎ＞ａｌＹｌ＋…＋ａｎ－ｌＹｎ－ｌ）（其中ａｌ，ｉ＝ｌ，ｎ－ｌ均为已知的常数）的最小方差无偏估计及其置信下限．     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.