应用MCEM算法估计一阶双重线性时间序列模型中的参数

本文利用Monte Carlo EM算法实现了对一阶双重线性时间序列模型的参数的估计.推出了估计模型中两个未知参数m与σ2的迭代步骤,并对模型进行了模拟计算,给出了模拟计算的结果.     

关于平稳时间序列线性模型的模拟模型

本文利用计算机数字仿真技术建立了平稳时间序列的线性模型的模拟模型，得到了该系统状态模拟模型的随机差分方程，给出了ＡＲＭＡ（ｐ，ｑ）模拟模型的新息递推方程．     

基于MCMC的多维相关系数平稳序列

在相关系数平稳过程的基础上,提出了基于MCMC（Markov Chain Monte Carlo）方法来估计多维相关系数平稳序列模型的参数;给出基于贝叶斯估计的多维相关系数平稳序列模型参数的算法;在无先验信息条件下,模拟验证了用此方法估计二维相关系数平稳序列模型参数的有效性。     

方差分量模型中回归系数的线性Bayes估计

本文研究了方差分量模型中在平方和损失函数和矩阵损失函数下回归系数的线性Ｂａｙｅｓ估计。     

污染数据线性回归模型的参数估计

污染数据线性回归模型在医学、现代分子学、气象预报学等多领域有着广泛的应用. 笔者研究了污染数据线性回归模型:yi=α βxi εi,i =1,2,…,n,εi相互独立并且服从N(μ1,σ12),同时{yi}受到另一串与之独立的随机变量{ti}的干扰,仅能观察到yi*=(1-v)yi vti,0≤v≤1,其中ti(i =1,2,…,n)相互独立并且服从N(0,σ22),μ1,σ12,σ22均已知.最后给出了回归参数α、β和污染参数v的估计.     

多元线性模型参数估计的相对效率问题

对多元线性模型的最小二乘估计（ＬＳＥ）的几种改进估计，提出了关于ＬＳＥ的相对效率，并给出了其下界。     

聚集数据的线性模型参数估计的相对效率

文献［１］提出了聚集数据的线性模型未知参数的两种估计。本文给出了关于最小二乘估计的三种估计的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

简单线性回归模型的分离参数估计方法

最小二乘法的参数估计方法虽然体现了的拟合结果的整体优化特征，却没有体现出各参数估计量的自身统计特征，对此本给出一种新的参数估计方法，同最小二乘法相比，该方法得到的参数估计值受统计数据的影响最小，中还讨论了参数估计自身具有的线性和无偏性。     

一类双重时间序列模型平稳解的存在性

讨论了双重时间序列模型ｘｔ＝θｔｘｔ－１＋εｔ（１）的平稳解存在的条件，这里，θｔ是平稳的自回归滑动平均ＡＲＭＡ（Ｐ，ｑ）序列。并且，在θｔ是一阶自回归序列ＡＲ（１）时，给出模型（１）有平稳解的显式条件。     

聚集数据的线性模型参数估计的相对效率

文献［１］提出了聚集数据的线性模型未知参数的两种估计。本文给出了关于最小二乘估计的三种估计的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

线性差分模型增阶时参数的精确递推计算法

本文分析表明:目前使用的线性差分方程增阶时的参数递推算法并不精确成立,其误差随模型阶的增加和样本长度的减小而增大。为此,本文推出线性差分模型增阶时参数的精确递推算法,并对计算量进行了讨论。     

线性模型的秩估计

定义了一个偶的位置自由的离工量，由它产生对统计参数β的秩估计。并证明该估计是一个稳健、合适的离差度量。     

参数受约束时线性模型的线性Minimax估计

考虑线性模型Y=β ε,Eε=0,Var(ε)=σ~2V,其中Y为n维观察向量,V≥0为已知n×n矩阵,β∈R~n,σ~2>0为未知参数,受椭球约束U={β:β′Hβ≤σ~2},H为已知n×n矩阵,C.R.Rao在[1]中给出了H>0时,p′β的唯一线性minimax估计,本文讨论了一般的非负定矩阵H≥0,H≠0的情况,也给出了p′β的唯一的线性minimax估计.     

关于时间序列AR模型定阶问题的一些研究

本文对AR模型的差比定阶方法进行了修正;并从工程应用角度,在机械故障诊断的领域里,提出分低阶AR模型和高阶AR模型的观点以及根据FFT-AR谱相似系数取最大值的定阶方法。     

线性回归模型的一种新估计

为了解决最小二乘估计的设计矩阵之列向量间存在近似线性关系时而出现的性质不稳定,结合广义岭估计,用均方误差矩阵的方法,给出了一种新的有偏估计K-d型估计,并讨论了它的性质,得出两个主要结论.     

污染数据线性回归模型中参数估计的重对数律

讨论了一类污染数据线性回归模型中参数估计及污染系数估计的收敛速度,证明了它们的收敛速度符合重对数律.     

有约束条件的一类线性模型参数的估计

目的　研究有约束混合系数线性模型参数的估计 .方法　将混合系数线性模型转化为广义线性模型 ,然后利用线性模型相应的方法 .结果　给出了在一定的约束条件下 ,混合系数线性模型的固定系数 ,随机系数的数学期望和方差的一种估计 ,并讨论了该估计的性质 .结论　这种理论和方法对可化为线性模型的参数估计具有普遍意义     

带随机线性约束的回归模型的参数估计

针对一般带约束的最小二乘估计(OCLSE)在参数估计中处理复共线性的不足,引入随机线性约束,提出了约束-d估计方法.在均方误差(MSE)下,讨论了它的性质,得到了3个主要结果,与带约束的最小二乘估计OCLSE、约束岭估计(RORE)比较,得出更好的结论.