星形函数两邻项系数模之差的估计

文［２］和［３］已给出了星形函数两邻项系数模之差的估计。但这些估计都带有绝对常数，此文将给出这绝对常数的估计。     

正态误差模型的最优稳健估计

通过构造Lagrange函数,得到了具有正态误差模型的参数最优稳健估计是Huber估计的结论,说明了Huber函数作为最常用的稳健估计函数的原因.     

数据序列稳健分析方法中 RYW 估计及其收敛性

根据对Ｍ估计、ＬＳ估计及ＹＷ估计的分析，提出一种新的稳健估计方法———ＲＹＷ估计，讨论并证明了这种估计的渐近性质，结果证明了ＲＹＷ是一种行之有效的简明稳健方法     

用稳健M-估计同时求位参数及比例参数的估值

本文提出了稳健比例估计,这种估计适用于位置残差为非对称分布的情况。为了从修改后的M-估计中求得一致的比例系数,需要将残差进行标准化。由于位置参数估计与比例参数估计相互制约,所以要采用迭代解法。通过一个简单的例子,说明了这种方法比普通的M-估计以及最小二乘结果更加优越。     

GOLDBACH问题主项的阶的估计

引入了点筛函数的概念,并对它进行了量级估计,确定了估计式的主项系数,进而估计了Goldbach函数主项的量级.     

非对称损失函数下逆指数分布参数的Bayes估计

针对逆指数分布的估计问题,在参数的先验分布为无信息Quasi先验分布下,得到了平方误差、LINEX损失和熵损失函数下参数的Bayes估计。最后,通过各估计在平方误差损失函数下的风险函数的比较给出本文的结论。     

回归函数的支持向量机估计法

回归估计是统计学中基本问题之一，本文在归纳了其经典的估计方法之后，总结了支持向量机估计回归函数方法。并从理论和应用角度阐述了支持向量机的基本思想。     

一族单叶函数的对数系数

研究单叶函数的一个新子族S．，它是星像函数的拓广。得到S．中函数的对数系数的估计，并给出在系数估计上的应用。     

对数正态参数估计的损失函数和风险函数的Bayes推断

方差已知时,给出共轭先验分布为正态分布下,对数正态分布的损失函数和风险函数的Bayes估计,得到其Bayes估计为保守估计的条件.     

密度函数的小波估计及其影响函数

把小波的思想和方法应用到统计学的密度估计中,得到了密度小波估计的一个统一的非迭代表示形式.对于给定的一种系数估计方法,这种表示形式容易计算密度估计的影响函数,进而可以进行简单的稳健性分析.