广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广义岭估计优于LS估计的一个充分条件,从而把文献[1]中,岭估计优于LS估计的充分条件统一起来     

E-Bayes估计与多层Bayes估计的关系

本文主要通过对Bayes估计、E-Bayes估计以及多层Bayes估计的描述,来介绍了E-Bayes估计与多层Bayes估计的关系,p(k)E-Bayes估计与多层Bayes估计相等,其证明过程可以利用积分中值定理进行.     

M-估计的有关问题

本文在简略概述稳健统计的思想及M-估计的基础上,提出对M-估计尤其是最小一乘估计的几种修正方法,对M-估计的计算提出了感兴趣的若干思考并指出其存在的问题,最后就M-估计与其它学科结合应用的前景阐述作者的看法。     

回归系数LS估计的改进

论述了复共线性对LS估计的影响,复共线性存在时主成分估计比LS估计有较小均方误差.通过实例说明利用主成分估计对LS估计改进的方法与步骤.     

泊松分布中参数的经典估计与Bayes估计的相等关系

文中证明了泊松分布中未知参数的矩估计和最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论.     

最小二乘估计与主成分估计的比较

估计回归参数的最基本最重要的方法是最小二乘估计,但在一些情况下,主成分估计可能是一个更好的估计方法,本文就这两种方法进行了分析比较.     

失效概率的E-Bayes估计与多层Bayes估计

基于失效概率的E-Bayes估计,在无失效数据情形下给出了失效概率的多层Bayes估计,且讨论了失效概率的多层Bayes估计的性质——E-Bayes估计与多层Bayes估计的关系。数值算例和应用实例进一步表明,E-Bayes估计和多层Bayes估计比较接近。     

一种基于联合检测估计方法的信号估计方法

很多实际问题都涉及到检测与估计,而检测与估计的性能又是相互影响的.因此就产生出了联合检测估计这种方法,这种方法能平衡检测与估计的性能,从而能比较好的解决实际问题.本文就是应用联合检测估计这种方法的思想,估计出不确定的信号,其中信号的分布含有参数,参数的分布信息或相关先验信息未知.利用联合检测估计方法处理这种情况,现在还没有相关的文献介绍,本文主要就是研究这种情况.最后,我们再用实验去模拟,可以看出它的效果非常好.     

关于谱分解估计和方差分析估计在线性混合模型中的比较

在文献[1]中提出的谱分解估计是一种在线性混合模型中同时估计固定效应和方差分量的新方法.在本文中,我们对带有两个方差分量的线性混合模型进行了谱分解估计和方差分析估计的比较.得出了方差分量的这两种估计在某些条件下方差相等,而且谱分解估计具有一些方差分析估计的最优性.     

Poisson分布参数的几种估计

探讨了Poisson分布参数λ的3种估计：极大似然估计、矩估计以及Bayes估计，并对它们之间的联系和优劣性能进行了分析。     

会计估计、会计估计变更的审计

随着一个国家社会生产力的发展,会计在日常经济生活中的作用将日益显著。作为会计知识的一部分,会计估计及会计估计的变更,在整个会计体系中的作用也就越来越重要了。如何正确使用会计估计、会计估计的变更,如何加强会计估计变更的审计便成为会计工作的重中之重。     

广义根方估计的效率

讨论了线性回归模型中未知参数最小二乘估计的改进,引入了一种估计的相对效率,证明了广义根方估计比狭义根方估计的效率较高。     

广义岭估计的效率

本文讨论了Guass-Markov模型中未知参数的LSE^↑β的改进,引入了一种估计的相对效率,证明了广义岭估计比（狭义）岭估计的效率较高。     

最小二乘估计相对于岭估计的效率下界

考察一般Gauss-Markov模型中未知参数向量β的岭估计的优良性质,在文献[1]提出的估计(~β)相对于估计(^β)的(相对)效率e((~β)|(^β))下,进一步讨论了最小二乘估计(LSE)相对于岭估计的效率下界,得到更好的结果.证明了:当X呈病态时,采用些估计以损失无偏性来换取更小的均方误差是可取的.     

极大似然估计的朴素理解

极大似然估计是一种广泛应用的统计方法,本文旨在以一种大众化的语言使读者至少必须搞清楚几个问题:估计什么?需要什么前提或假设?如何估计?估计的准确度如何?     

一般广义岭估计的效率上界

考察一般Gauss-Markov模型中未知参数向量的最优线性无偏估计的改造问题,讨论了方兴等人提出的最优化无偏估计的一种估计的相对效率,把该文中给出的一般岭估计的相对效率的上界,推广到一般广义岭估计的相对效率的上界.yh     

线性指数分布参数的Bayes估计

对给定容量为n的线性指数分布样本X1,X2,…,Xn,在Linex损失函数下,利用共轭先验分布讨论线性指数分布参数θ的Bayes估计,多层Bayes估计,E-Bayes估计和极大似然估计.     

MIMO-OFDM系统的信道估计方法与发展趋势

本文概述了MIMO-OFDM系统的信道估计方法,即非盲信道估计、盲信道估计和半盲信道估计.非盲信道估计方法收敛速度快,简单且易实现,但信道利用率和系统的传输效率低;盲信道估计方法可有效节省系统带宽,提高频谱利用率,但此方法复杂度较大.而半盲信道估计方法是非盲信道估计和盲信道估计的一个折衷方法,能够很好的兼顾实现复杂度与估计性能.因此,半盲信道估计方法对未来MIMO-OFDM系统的信道估计发展趋势明显,将会日益受到人们的重视.     

矩法估计与极大似然估计的比较

以二项分布为例,讨论了其分布参数的矩法估计与极大似然估计,并比较了两种估计的优良性质,主要讨论它们的一致性、无偏性和有效性．     

物理量数量级的估计

本文对数量级的估计进行了探讨,包括进行数量级估计的三点作用,即进行物理量的数量级估计可以增强对物理现象的实感;提高解决＂原始问题＂的能力;认识事物本质的洞察力,以及物理量的数量级与物理学知识的联系,还有掌握数量级估计的方法。