统一有偏估计的Pitman优良性

估计量的优良性是回归模型中的重要内容.本文讨论了在Pitman准则下,岭估计与Stein压缩估计的优良性,得到了岭估计优于Stein压缩估计的一个充分条件.     

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

针对矩阵风队，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。     

线性模型的广义岭型组合主成分估计

对设计阵X呈病态的线性回归模型,提出回归系数有偏估计的一种广义岭型主成分估计.均方误差意义下,在一定条件下它优于岭型主成分估计、Stein型主成分估计.证明了它的可容许性和较强的抗干扰性以及Pit-man准则下的优良性.     

椭球约束下混合模型的线性极小极大估计

给出在椭球约束下带随机信息的混合模型的线性极小极大估计b(2 ) ,讨论了b(2 ) 在MDE-Ⅱ准则下相对于经典回归模型在椭球约束下的线性极小极大估计b(1) 的优良性 ,并得出了b(2 ) 比b(1) 优的一个充分条件     

均方误差意义下的无偏估计与有偏估计

讨论均方误差意义下的无偏估计与有偏估计,得出线性模型中一些有偏估计在MSE准则下具备比无偏估计更好的优良性。     

双截尾指数分布的统计性质

该文提出了一类新的分布-双截尾指数分布,给出参数的点估计及估计的相合性和渐近分布,并利用渐近分布得到未知参数的置信区间,最后通过数值模拟验证了参数估计的优良性。     

一类指数分布族的参数估计问题

考虑了一类单参数指数族分布的估计问题,在熵损失下讨论了此类分布中未知参数的Bayes估计，给出了未知参数的一个无偏估计并验证了此估计量所具有的一些优良性质,最后在对称熵损失下得出了所讨论参数的Bayes估计。     

一类经验Bayes估计的优良性

理论研究和实践结果表明,线性回归模型中最常用的方法——最小二乘法,在一些情况下表现不理想,因此近些年来,统计学家提出了许多替代方法供选择使用。本文通过参数经验Bayes(PEB)方法构造线性回归模型中可估函数的经验Bayes(EB)估计,并分别在均方误差(MSE)准则及均方误差矩阵(MSEM)准则下讨论它相对于最小二乘(LS)估计的优良性。     

广义压缩最小二乘估计的优良性

本文讨论了广义压缩最小二乘估计的均方误差、均方残差的一些性质，另外还分别在Ｑ（ｃ）准则及Ｐｉｔｍａｎ准则下讨论了广义压缩最小二乘估计的优良性。     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言，PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件。     

MIMO OFDM系统中基于MDL准则的均方根时延扩展估计

研究了MIMO OFDM系统中最小描述长度(MDL)准则在均方根时延扩展估计中的应用. 分析了多径分量功率和多径分量的自相关矩阵之间的关系, 使MDL可有效地应用于RDS估计. 该估计器能以较低的计算复杂度给出RDS、噪声方差、信道功率和信噪比等多个实时信道参数的准确估计. 根据估计的多径分量功率, 利用MDL准则获得了当前信道环境下的路径数及它们各自时延的估计; 根据路径数得到了噪声方差和各径功率的估计, 从而得到当前信道的功率时延谱和均方根时延扩展的估计. 仿真结果表明该估计器可有效对抗信道中信噪比变化和频率选择性的影响.     

Pitman准则下指数分布尺度参数的估计

本文在Ｐｉｔｍａｎ准则下讨论了指数分布的参数估计问题，证明了 度参数的最接近仿射同变估计是ＰＣ－不容许的，并给出了优于它的估计。     

Bayes线性无偏估计的稳健性

基于错误的先验假定下获得了线性模型下可估函数的Bayes线性无偏估计(BLUE),证明了在均方误差矩阵(HSEH)准则下BLUE相对于广义最小二乘估计(GLSE)的优良性,并导出了它们的相对效率的界,从而获得BLUE的稳健性.     

线性模型中压缩主成分估计的若干性质

讨论了压缩主成分估计的若干性质,证明了在一定条件下此估计比最小二乘估计有更小的广义均方误差,并且在PC准则下也优于最小二乘估计．     

PC准则下方差分量模型参数的广义岭估计的优良性

方差分量模型中,随机效应向量为正态情形时,本文证明了PC准则下其参数的广义岭估计优于其广LSE。     

双边定数截尾下线性指数分布的参数估计

在双边定数截尾样本下讨论了线性指数分布中未知参数的极大似然估计和Bayes估计.通过Newton-Raphson迭代法得到了参数的极大似然估计,并证明了极大似然估计的唯一存在性.选取无信息先验分布与共轭先验分布,分别在对称损失函数和非对称损失函数下,通过Tierney-Kadane近似讨论参数的Bayes近似估计.利用MatlabR200b模拟了未知参数的极大似然估计的均方误差以及Bayes估计的均方误差,结果表明：不同样本量不同截尾方案下,选取Gamma先验分布并在平方损失函数下,未知参数的Bayes估计的均方误差是最小的.     

带有线性约束的共同均值矩阵的线性估计的泛可容许性

本文引进矩阵的正交不变范数,定义出矩阵估计量的优良性准则,在通常的容许性意义下,得到了带有线性约束的共同均值矩阵的线性估计是泛可容许的充要条件,进而得到了在不同的线性约束条件下,的泛可容许估计类之间的一种刻划。     

多类型复发事件下可加—加速均值回归模型

本文根据多类型复发事件数据的结构特点,提出了多类型复发事件下可加—加速均值回归模型.利用估计方程的方法,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了所得估计的渐近性质.     

多元回归系数非齐次线性估计在新的优良性准则下的容许性

考虑多线性模型和矩阵损失函数:其中X和U≥0和巳知矩阵,(?)和V≥0(但V≠0)是未知参数矩阵,本文在新的容许性意义下,得到了S(?)的非齐次线性估计LY+a在非齐次线性估计类￡中是可容许的充要条件。     

阶数与参数未知的线性随机系统的研究

本文考虑阶数与参数皆未知的离散时间线性随机系统,提出估计阶的新的信息准则,以此给出了阶数与参数的递推估计算法,本文的自适应控制算法可以保证闭环辨识阶数与参数具有一致性,闭环系统全局稳定,输出渐近地跟踪给定的参考信号。