多项式零点的界的一种估计

本文提出了多项式零点的界的一种估计方法,并利用这种估计方法,得到了一些新的估计,改进了一些经典的估计式和近期的估计式。     

生长曲线模型的综合岭估计

该文提出了生长曲线模型回归系数的一种新的有偏估计—综合岭估计,讨论了综合岭估计的优良性、可容许性等性质,给出了其迭代解和极小化均方差的无偏估计解。在综合岭估计下,岭估计、广义岭估计、根方估计成为其特例,从而统一了生长曲线模型的岭估计和根方估计理论。     

指数分布冷贮备单元的串联系统产品的统计分析

考虑寿命服从指数分布的冷贮备单元串联而成的系统,给出了参数的矩估计、极大似然估计和逆矩估计,并通过大量Monte-Carlo模拟考察估计的精度,得到矩估计和极大似然估计优于逆矩估计.同时,还给出了参数的精确区间估计和近似区间估计,通过大量Monte-Carlo模拟考察了区间估计的精度,得到参数的精确区间估计优于近似区间估计.     

聚集数据线性模型参数聚集Liu估计的相对效率

 当线性模型中的变量间存在复共线性时,常用有偏估计代替无偏估计。其中广义岭估计是研究较多的一种有偏估计。很多实际问题只能观测到聚集数据。本文给出了聚集数据线性模型聚集Liu估计的定义,提出了聚集Liu估计相对于最小二乘估计的两种相对效率,并得到这两种相对效率的上界;给出了聚集Liu估计相对于Peter-Karsten估计的2种相对效率及其上界。本文提出的聚集Liu估计,既能保证估计参数的稳定性,又能保证估计参数的近似无偏性,从这个意义上说,该估计在某种程度上优于聚集广义岭估计。     

基于外延原理的混合动态系统估计器设计

以混合动态系统的外延原理为工具分析了估计器的可压缩性问题．给出了外延系统的估计器可以压缩成原系统估计器的充分条件．证明了满足外延原理的外延系统的任意估计器均可压缩成原系统的估计器，因此，原系统的估计器可由外延系统的估计器压缩而成，并且外延系统能取得好估计的估计器压缩后是原系统的能取得好估计的估计器。     

岭估计的影响函数

本文求出了回归系数岭估计的理论影响函数、经济影响函数和样本影响函数，讨论了岭估计的影响函数与最小二乘估计的影响函数的关系以及与方差扰动模型中的岭估计关于扰动因子导数的关系，定义了岭估计的Ｃｏｏｋ距离，比较了岭估计的Ｃｏｏｋ距离与最小二乘估计的Ｃｏｏｋ距离的稳健性。     

熵损失下产品可靠度的E_Bayes估计

研究了熵损失下产品可靠度的E_Bayes估计及其性质。提出了一种新的参数估计方法--E_Bayes估计法。在熵损失函数下,分别就超参数的不同先验分布,给出产品可靠度的E_Bayes估计及其性质,并通过实例将可靠度的E_Bayes估计与多层Bayes估计进行比较。可靠度的E_Bayes估计避免了多层Bayes估计复杂的积分计算,形式上更加简洁,便于计算。对于同一组数据,可靠度的E_Bayes估计和多层Bayes估计的数值计算结果十分接近。可靠度的E_Bayes估计不仅具有多层Bayes估计的稳健性,而且具有多层Bayes估计的精确性,应用更加方便,表明可靠度的E_Bayes估计法是可行的。     

增长曲线模型回归系数的组合主成分估计

本文提出了增长曲线模型回归系数的一种新的有偏估计——组合主成分估计,在一定条件下证明了此估计优于最小二乘估计且是可容许估计,进一步,给出了这种估计与文献[4]中提出的主成分估计的关系。     

二项分布参数的信仰区间估计

利用信仰推断得到单个二项分布参数的信仰分布,由此给出了参数的信仰区间估计。通过数值模拟对信仰区间估计与其它区间估计进行了比较,模拟结果表明信仰区间估计优于其它区间估计。     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。     

峰度与偏度系数的近似经验贝叶斯估计

建立了单样本数据的贝叶斯模型,给出了偏度系数和峰度系数的线性贝叶斯估计及近似信度估计.进而,将模型推广到多样本数据模型下,并讨论了近似信度估计的统计性质,比较了贝叶斯估计、线性贝叶斯估计及近似信度估计的均方误差.最后,给出了超参数的估计,得到了近似信度估计的经验贝叶斯估计,使该估计可直接运用于实际问题.     

基于指数模型的R=P(Y<X<Z)统计推断（英文）

文章讨论了接收器工作特性曲线(ROC)指标R=P(Y X Z)的统计推断问题,分别给出了R的不同点估计和区间估计,其中点估计包括最大似然估计和贝叶斯估计,区间估计包括正态近似区间估计、精确区间估计以及贝叶斯可信度置信区间估计。通过数值模拟,比较了上述估计方法的优劣,并且给出了选择不同估计方法的建议,数值模拟结果表明上述估计方法是可行的。     

拉普拉斯级数的部分和

讨论了拉普拉斯级数的部分的一致逼近。通过估计瓦勒普山和逼近度，建立了部分和算子收敛度的最佳逼近估计，其估计式主最佳Ｌｐ逼近，改进了经典的勒贝格型估计，证明在某种情形下其估计式是最好可能的。     

基于指数模型的R = P(Y < X < Z)统计推断

文章讨论了接收器工作特性曲线（ROC）指标R = P(Y < X < Z)的统计推断问题，分别 给出了R的不同点估计和区间估计，其中点估计包括最大似然估计和贝叶斯估计，区间估计包括正 态近似区间估计、精确区间估计以及贝叶斯可信度置信区间估计。通过数值模拟，比较了上述估 计方法的优劣，并且给出了选择不同估计方法的建议，数值模拟结果表明上述估计方法是可行的。     

双参数指数分布的参数估计(Ⅰ)

本文讨论了双参数指数分布的参数估计和区间估计问题,分别给出参数的最大似然估计,Bayes估计和最优线性无偏估计,并且给出了一致最小方差无偏估计。     

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

泊松分布参数的整数幂的联立估计和广义Bayes估计

研究了在独立样本下泊松分布参数的整数幂的联立估计。在二次损失假定下,证明了其无偏估计的改进估计和广义Bayes估计都优于无偏估计。     

瑞利分布参数的最短区间估计

研究了瑞利分布参数的区间估计方法。给出了瑞利分布参数的最短区间估计方法;通过一个实例介绍了最短区间估计方法的应用;最后指出最短区间估计方法比传统区间估计方法所具有的优越性。     

基于核方法的Copula函数的估计

介绍了Copula函数的基本定义和性质以及非参数统计中的核估计方法,运用核估计方法来估计Copula函数,应用核估计的性质证明了估计出的Copula函数是真实Copula函数的一致强相合。