数量特征随机化回答模型中的比估计和回归估计方法

本文研究了含辅助信息的数量特征随机化调查的理论与方法.建立和发展了数量特征随机化调查的比估计和回归估计理论与方法.对于给定的人群有限总体,构造了敏感特征指标总体均值的比估计量和回归估计量,证明了本文提出的方法优于Eichhorn BH,HayreLS（1983）和Gupta et al.（2002）提出的方法.Monte-Carlo数值模拟验证了提出方法的有效性.     

采用一元辅助信息的多元二相抽样的比估计

一元抽样调查的理论已经发展相对成熟．但实际问题中往往涉及多个指标,一元理论不能满足需要．本文研究了多元二相抽样,并且在多元二相抽样中添加了一元辅助信息。定义了采用一元辅助信息的多元比估计,得到了采用一元辅助信息的多元二相抽样的比估汁量及其性质．并且证明了在满足一定条件时．采用一元辅助信息的多元二相抽样的比估计量优于多元简单随机抽样的简单估计量．     

关于“方阵的 Kronecker 乘积与 Hadamard 乘积的行列式的界限”一文的注记

指出并修正了“方阵的Ｋｒｏｎｅｃｋｅｒ乘积与Ｈａｄａｍａｒｄ乘积的行列式的界限”一文的错误．     

关于正定自共轭矩阵的Kronecker乘积与Hadamard乘积的行列式的界限研究

本文给出了正定自共轭矩阵的Ｋｒｏｎｅｃｋｅｒ乘积与Ｈａｄａｍａｒｄ乘积的行列式的界限的不等式,推广改进了相关文献结论．     

有辅助信息下总体均值的一类新比估计量

本文在简单随机抽样下,使用辅助变量的信息提出一类总体均值估计量,并导出这类估计量的均方误差。理论上比较了提出估计量与已有估计量的效率,数值上模拟验证了提出估计量在一定条件下的有效性。     

解决小域估计的一种新思路:样本外推

本文对单元之间有聚集性时出现的小域估计问题,通过样本外推机制来改进抽样设计,有效增加了域中的样本量,这种方法更节约调查费用,并且估计量具有优良的性质。为解决在流动劳动力、传染病群体等调查研究中的小域估计问题,提供了一种新的解决方法参考和理论支撑。     

利用迭代滤波改进乘积高阶模糊函数

乘积高阶模糊函数(PHAF)是因分析mc-PPS而提出来的,但它抑制交叉项的能力有限,难以实现mc-PPS估计。该文提出了逐次滤除最强PHAF峰对应的分量来减少交叉项的迭代滤波方法,改进后的PHAF具有较好的鲁棒性:减少了估计盲区,并且具有更好的估计精度,降低了信噪比门限,而且能估计低阶相位系数,这些性能由多个mc-PPS仿真例子所验证。     

可加测度上的一类容度乘积

讨论D.kulj所提出的来自可加测度上的一类容度乘积的性质,并给出了在一定条件下该容度乘积的等价形式,指出它实际上是Denneberg提出的关于独立容度乘积在离散情形下的推广。     

矩阵和的特征值的一些不等式及应用

根据Abel求和公式与排序原理得到了矩阵和的特征值的一些不等式，作为应用给出了Hermitian矩阵与半正定矩阵通常乘积、Hadamard乘积的特征值的不等式．     

二项抽样下随机化调查的比估计模型

在实际调查中，有一些已知的辅助信息，这些信息可以用来提高调查效率。但所利用的辅助信息是未知的，很少见。本文利用二项抽样的方法获得辅助信息，据此，研究了属性特征随机化调查使用辅助信息的比估计方法，设计了比估计模型，将比估计模型在理论上与Warner模型进行了比较，证明此比估计模型在一定条件下所得到的理论优于Warner模型。     

多元抽样调查两级抽样中比率型估计量的平均精度

本文通过多元抽样调查的两种抽样方法，得到了总体均值的无偏估计量，并且证明了和一元情形一样好的结果，即在一定条件下比率型估计量的平均精度不劣于无偏估计量的精度。     

在OFDM系统中用伪导频符号进行盲信道估计(英文)

根据OFDM系统的特性提出了用伪导频符号进行信道的盲估计算法。与用于做信道估计的导频信号不同,PPSs传输的是有用的数据,因此提高了系统的带宽利用率,若PPSs的平均功率增加3 dB或6 dB时可有效抑制信道的加性高斯噪声。该文对信道盲估计的均方误差及其由此算法获得的信道的状态信息对无编码的OFDM系统进行解调的误比特概率进行了仿真,结果表明提出的算法是有效的并具有很好的灵活性。     

NOTE OF ADMISSIBILITY IN LINEAR ESTIMATION

１ＩＮＴＲＯＤＵＣＴＩＯＮＡｍｏｄｅｌｉｓｇｉｖｅｎａｓｆｏｌｏｗｓＹｎｘｍ＝ＸＢｐｘｍ＋ε;Ｂε～ΝＡΘ０,Σ△（１）ｗｈｅｒｅＹｉｓａｍａｔｒｉｘｏｆｏｂｓｅｒｖａｔｉｏｎｓ．Ｂεｈａｓａｍａｔｒｉｘｍｏｒｍａｌｄｉｓｔｒｉｂｕｔｉｏｎｗｉｔｈ...     

正态回归模型中未知参数几种估计的比较分析

给出了正态回归模型中未知参数的无偏估计,最小二乘估计与极大似然估计及其求解过程,并通过数值模拟说明了异同点,验证了相应的结论。     

有调整因子的回归弱相关估计

针对回归分析中自变量数据间的共线性问题，本文基于降低解释变量间相关程度的弱相关思想，构造出一个新的回归估计式。并证明了估计式与最小二乘相比，具有均方差意义下 的优良性。还证明了相对于最小二乘估计，新估计式是一种模压缩。该估计式具有意义直观明了，便于分析，应用的特性。     

KUK随机化调查模型下的贝叶斯估计

本文针对属性特征的KUK模型建立了贝叶斯估计理论,求出了在先验分布是混合贝塔先验分布、抽样方法是简单随机抽样情况下总体敏感特征比例的贝叶斯估计,并且使用后验均方误差作为精度标准,对贝叶斯估计与极大似然估计进行比较。     

带有线性约束的多元回归模型中回归系数的线性估计的可容许性

针对矩阵风险，给出了矩阵估计量的多种优良性准则．在这些准则下，得到了带有线性约束的多元回归系数的线性估计是可容许的充要条件，进而由于不同的线性约束所引起的可容许的估计类的不同，我们得到了不同的估计类之间的一种刻划。     

低信噪比下长码直扩信号的符号宽度估计

针对长码直扩信号,提出了一种新的符号宽度估计算法。在基于高阶自相关统计量和最大化相应的自相关系数中得到粗略估计值,然后基于伪码差分解扩的概念和二阶循环自相关函数得到精确估计值。粗略估计步骤在低信噪比和短数据长度下具有鲁棒性,给精确估计步骤提供一个可信的估计范围,从而改善了精确估计步骤的性能;在精确估计时,采用伪码差分解扩消除伪码序列对循环自相关函数的扰动。仿真表明,和现有方法相比,算法不受伪码限制,同时估计的性能有明显改善,适合于低信噪比下使用。