混合序列密度函数核估计的相合性

设{Xn ,n≥1}是一随机变量序列,f( x)为其概率密度函数,基于样本X1,X2,…,Xn ,对密度函数f( x)的核估计进行讨论,在适当条件下,利用Borel-Cantelli引理、矩不等式等证明了ρ-混合和φ混合序列核密度估计的强相合性、r阶相合性。     

巴斯卡分布中未知参数的估计

在巴斯卡分布的参数r,p都未知的情况下,讨论了未知参数的极大似然估计。结果表明,r的极大似然估计可转化成一个超越方程的求解,采用该超越方程的解作为r的估计量有强相合性,导出了在大样本下r和p的置信区间。并用实例验证了估计方法的合理性。     

伽马分布的形状参数的一种估计

本文利用服从伽马分布的随机变量 X 与其逆 X~(-1)的协方差只与形状参数有关这一性质,给出伽马分布形状参数的所谓自逆协方差估计,进而构造了相应的无偏估计,并证明了这类估计的大样本性质:强相合性以及渐近正态性。     

结构型一般EV线性模型参数估计的相合性研究

本文对结构型一般EV线性模型参数的研究,利用矩方法,得到了未知参数的强相合性。     

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型，提出一种新的随机约束岭估计，得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计（Yalian,2008）和另一随机混合估计（富月，2003）的充要条件。理论结果与数值实验都表明：新的估计在均方误差矩阵意义下的性能是优良的。     

对数正态分布参数的最大似然估计

利用最大似然估计法求出了对数正态分布两个参数的估计量,并讨论了它们的无偏性和相合性。     

区间数据的近邻权函数估计

本文探讨了区间数据情况下,随机变量(X,Y),其中X∈Rd,Y∈R1,(X,Y)的分布未知的情况下怎样利用区间数据来估计回归函数m(x)=E(Y|X=x)。并且证明了估计的大样本性质。     

总体参数截尾估计的最优性

参数的截尾估计是具有较好的稳健性的一种估计。首先对一类总体讨论了截尾均值的渐近最优性,然后给出了更一般情形总体参数最优截尾估计的一个表达式。     

混合双参数指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的分布。但是利用矩估计、极大似然估计等估计模型的参数往往比较困难。本文应用EM算法详细研究了混合双指数分布在正常工作条件下,在完全数据场合的参数估计问题。模拟说明利用EM算法来估计混合双指数分布是一种非常有效的方法,随着样本的增加,估计值离真值越来越近,估计值的方差越来越小。     

具有部分缺失数据的两个艾拉姆咖分布总体参数的估计与检验

在数据缺失样本下研究了艾拉姆咖分布的参数估计和假设检验.根据似然函数给出了参数的极大似然估计,证明了估计量的相合性和渐近正态性,并给出了两总体参数之差的置信区间和假设检验.     

包含测度的椭圆方程解的最大模的估计

对包含测度的椭圆方程 ,证明解的有界性已颇为困难 ,对解的最大模作出估计尤其困难。本文只对其中一种特殊情形作出解最大模的先验估计。     

基于不同的估计方法的半参数回归模型研究进展

半参数回归模型结合了线性回归模型和非参数回归模型,因此不论是在理论研究上还是实际应用中都具有重要意义.文章总结了国内学者对基于不同的估计方法的半参数回归模型研究的贡献,理清了对该模型的理论研究演进的方向.     

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。     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

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。     

具有分子弥散的地下水水质污染模型的混合元──特征有限元方法

本文研究地下水水质污染理论中的一类非线性双曲一抛物耦合方程组的混合元一特征有限元方法，给出两类椭圆投影及其误差估计，构造出混合元－特征有限元全离散格式，证明了格式在Ｈ１模度量意义下的最优阶估计。     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发,考虑基于GARCH类模型和基于非参数模型的VaR估计.对于前者进行筛选以后,采用EGARCH(1,1)模型来估计资产或资产组合未来收益率的波动,后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数,并用这两个模型对上海股市进行了实证研究,结果表明后者不失为一种值得考虑的方法.     

基于GARCH模型和非参数模型的上海股市VaR的比较

从VaR的定义出发，考虑基于GARCH类模型和基于非参数模型的VaR估计．对于前者进行筛选以后，采用EGARCH(1，1)模型来估计资产或资产组合未来收益率的波动，后者则用核估计方法估计资产或资产组合未来收益率的概率密度函数，并用这两个模型对上海股市进行了实证研究，结果表明后者不失为一种值得考虑的方法。     

强β型螺形函数子族的系数估计

主要研究复平面C中单位圆盘U上的强的α次β型螺形函数和强α次星形函数的系数估计,所得结果推广了已有的一些结论.     

强螺形函数子族的第三项和第四项系数估计

主要研究复平面C中单位圆盘U上的强螺形函数子族的第三项和第四项系数估计问题,即主要研究强α次的殆β型螺形函数和强α次殆星形函数的第三项和第四项系数估计问题.所得结果推广了已有的一些结论.