正态总体均值和误差方差同时的经验Bayes估计

在正态分布情形下,假定均值参数和误差方差服从正态-逆伽马分布先验时,导出了均值参数和误差方差的 Bayes 估计, 利用历史样本构造了它们的参数型经验 Bayes 估计 (PEBE). 在均方误差(MSE)准则下,分别获得均值参数和误差方差相对于一致最小方差无偏估计 (UMVUE) 的优良性.最后,给出一个有关主要结果的注释.     

指数分布定数截尾数据下刻度参数的经验Bayes估计

在指数分布定数截尾情形下,当先验分布中的超参数部分未知时,在加权平方损失下构造了刻度参数的参数型经验Bayes(PEB)估计,研究了其在均方误差 (MSE) 准则下相对于一致最小方差无偏估计 (UMVUE) 的优良性,并获得了 PEB 估计的大样本性质.当先验分布中的超参数完全未知时,通过数值模拟比较了 PEB 估计和 UMVUE 的均方误差,获得了其优良性.最后,通过数值模拟的结果,获得了PEB区间估计的优良性.     

混合Pareto分布的Bayes分析

Bayes义下．通过Cibbs抽样算法,给出了混合Pareto分布的参数估计方法．     

寿命服从威布尔分布的产品失效时间的预测

在寿命服从指数分布的基础上,将一般威布尔分布简化成指数分布,给出了恒加应力加速寿命试验中产品失效率的Bayes估计和寿命服从威布尔分布的产品失效时间的预测方法,并给出了相应的数值模拟。     

非参数模型的三种经典估计方法

参数估计是在概率密度函数已知的前提下,利用似然函数对参数进行估计,但是,在实际问题中,很多数据的分布是事先无法假定的,于是非参数模型就应运而生;主要利用核估计、局部多项式估计和k近邻估计三种经典方法对非参数模型进行估计,并辅以经典的例题;最后,通过一个综合模拟计算对这三种估计方法进行了比较并证明所提出的方法是有效和可行的.     

回归系数一类线性估计的小样本性质

提出了线性模型中回归系数的一类线性估计.在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下,研究了这类线性估计相对于最小二乘(LS)估计的优良性.最后,讨论了当设计阵为非列满秩时,回归系数的可估函数的一类线性估计的优良性.     

带有两食饵趋向的捕食模型古典解的全局存在性

考察了在留曼边界条件下带有两捕食趋向和Holing-II型反应函数的三种群模型。应用抛物方程Shauder估计及Lp估计,证明了此模型存在唯一全局古典解。     

异方差半参数回归模型小波估计的渐近正态性

讨论了异方差半参数回归模型,建立了模型中参数β和非参数g（.）的小波估计,在适当的条件下,证明了β和g（.）的小波估计的渐近正态性.     

基于子空间投影技术的椭圆拟合算法

通过两次子空间投影,把拟合误差矢量正交分解为3个分量,并使它们的范数同时最小化,导致一个有约束总体最小化过程,该过程在同时约束其中的2个正交分量(即误差均值和误差矢量在中心化一阶子空间的投影分量)为0的条件下使另1个分量(即误差矢量在中心化一阶子空间的正交投影分量)的范数最小化.通过结合子空间投影与奇异值分解,采用渐进计算技术来完成椭圆参数矢量的3个分量的最优估计.理论分析和实验表明,该算法具有快速、精确、抗噪能力强、拟合成功率高等优点.     

指数分布一阶中心绝对矩的估计

本文给出指数分布的一阶中心绝对矩的极大似然估计和区间估计熏并讨论了极大似然估计的优良性.     

结合中文分词的贝叶斯文本分类

文本分类是组织大规模文档数据的基础和核心。朴素贝叶斯文本分类方法是种简单且有效的文本分类算法,但是属性间强独立性的假设在现实中并不成立,借鉴概率论中的多项式模型,结合中文分词过程,引入特征词条权重,给出了改进Bayes方法。并由实验验证和应用本方法,文本分类的效率得到了提高。     

失效信息随机缺失时可加危险率模型的统计推断

对失效信息随机缺失时的可加危险率模型的估计进行研究。充分利用失效信息和缺失信息的概率模型的信息,通过构建估计方程,得到回归参数和基准累积风险函数的3个估计。证明了所提估计的渐近正态性,并进行数值模拟研究其有限样本性质。利用数值模拟研究比较所提估计与文献中的估计的有限样本性质,并通过分析一个实际数据验证了本文方法的有效性。     

单指标分位回归模型估计的MM算法

单指标分位回归模型是一类重要的半参数模型,具有降维的优点的同时保留了非参数分位回归模型的稳健性.但现有的单指标分位回归模型的估计程序大部分都是通过内点法来实现.对单指标分位回归模型估计程序的MM (majorize-minimize)算法进行研究.首先找到目标函数的优化函数,然后通过最小化优化函数来得到估计,再逐步迭代...     

“第十二届青年歌手大奖赛”三题

中央电视台第十二届青年歌手大奖赛与往届相比，有新意，有亮点，但也存在着严重不足。有些歌手刻意迎合评委的口味，玩技巧，没感情，其文化素质，与从山野来的、甚至没受过什么教育的原生态歌手比，也相形见出绌。中国的艺术教育、高等教育，应从中反思。     

基于协同表示的目标跟踪算法

提出一种基于协同表示的新的目标跟踪算法.在贝叶斯框架下,采用基于重构误差的观测似然函数和考虑遮挡的模型更新机制设计一个鲁棒的跟踪器.用l₁范数来建模重构误差以更好地容忍奇异值,同时用协同表示对编码系数进行约束.实验结果表明,和其他算法相比,本文算法能够战胜遮挡、尺度变化、光照变化、背景混乱等干扰因素,具有较高的准确度和鲁棒性.     

指标权重的二阶段赋权法及其应用

首先利用贝叶斯公式 ,在各方案下 ,对指标主观权重进行逐个修正 ;然后 ,利用最小二乘法建立指标权重的优化模型 ,并给出精确解 ,应用实例表明了该方法的有效性。     

分组零膨胀泊松模型的半参数统计推断

泊松回归模型常常用于计数数据的研究中,然而在实际数据中零值的比例可能远远大于泊松分布中取零值的概率,而且这些零值通常都有其特殊含义.此外计数数据可能是分组数据,即观测到的数据不是确切值而只是已知其落在某一个区间范围之内;或者某些特定的数据,例如工资,要先对它进行人为的分组然后再进行分析.考虑一种零膨胀泊松半参数回归模型来处理上述分组计数数据.该模型中泊松分布的期望与协变量之间采用部分线性连接函数,而零值的概率与协变量之间采用线性连接函数.利用Sieve极大似然估计方法来估计该回归模型中参数和非参数函数,并提出了一种得分检验方法来检验是否存在零膨胀.在一定正则条件下,获得了Sieve极大似然估计的渐近性质,证明了参数部分的估计是强相合,渐近正态及渐近有效的;同时非参数函数的估计达到了最优收敛速度.模拟研究表明,估计和检验方法效果都比较好,最后将此模型和推断方法应用于一组公共卫生领域实际数据研究.