回归系数的stein型主成分估计

对于设计阵Ｘ呈病态的线性回归模型，本文提出了一种新的关于回归系数的有偏估计─ｓｔｅｉｎ型主成分估计，并在均方误差意义下，论证了在一定条件下ｓｔｅｉｎ型主成分估计优于主成分估计，因此也优于ｓｔｅｉｎ型ＯＬＳ估计与ＯＬＳ估计，最后，我们又对偏参数的存在性，最优性进行了讨论，并得出了一些重要结论．     

非主成份与广义岭型估计

针对线性回归模型Y=Xp e,e～(0,σ2I)在设计矩阵X呈病态(存在复共线性关系)时,从主成分估计的思想出发,结合岭估计减少均方误差的方法,提出并推导了一类新的估计β(k)=(X'X Φx2kΦ'2)-1X'Y,称之为广义岭型估计.优点是只对主成分和非主成分添加两个不同的常数,均方误差大幅度降低的同时,相对于一般的广义岭估计,计算量减少,相对于主成分估计,便于对原变量做出解释.文中进一步讨论了该估计与主成分估计和岭估计的优劣.     

回系数的广义根方估计及其模拟

文献［１，２］中提出了回归系数的根方估计β＾（ｋ），当回归自变量间存在复共线关系时，β＾（ｋ）较回归系数的最小二乘估计β有所改善。本文将根方估计作一拓广，得出了回归系数的广义根方估计β＾（Ｋ），其中Ｋ为对角阵。文中证明了广义根方估计β＾（Ｋ）较β＾（ｋ）能更有效地改善最小二乘估计，并给出了广义根方估计的显式解，在此基础上，提出了广义根方估计的显式解和一种确定ｋｉ的方法。     

回归系数的主相关估计及其优良性

本文在回归系数的主成分估计的基础上，提出一种新的降维估计－主相关估计，讨论了它的优良性，并用实例说明主相关估计对主成分估计的改进效果。     

岭型主成分估计的最小方差和

讨论了岭型主成分估计在一类降维估计中的方差性质，证明了在一定条件下岭型主成分估计的方差和最小．文「１」的结果是本文的特例。     

主成分估计的一个性质

本文使用矩阵的奇异值分解技术，得到了主成分估计的两个表达式，在此基础上，证明了主成分估计的一个性质。     

Sβ不可估时（Sβ,σ^2）的联合估计的可容许性

对于一般的Ｇ－Ｍ模型Ｙ－Ｎ（Ｘβ，σ＾２Ｖ），Ｖ≥０，当Ｓβ不是线性可估的时，本文分别得到了矩阵损失下（Ｓβ，σ＾２）的联合估计（ＬＹ＋ａ．ＹＡＹ）的估计类中和在一切估计的类中可容许的充要条件，以及在二次损失ＬＹ＋ａ－Ｓβ＋（ＹＡＹ－σ＾２）＾２下和估计类中可容许的充要条件。     

相依回归系统一种协方差改进估计之协方差阵的无偏估计

考虑相依回归方程系统ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），Ｅ（εｉ）＝０，Ｃｏｖ（εｉ，εｊ）＝σｉｊＩｎ。记βｉ为βｉ的协方差改进估计＾［１］。σｉｊ未知时，记βｉ为用非限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，并记βｉ为用限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ。本     

回归系数Stein压缩估计的小样本性质

本文在广义均方误差（GMSE）准则下给出了回归系数β的Stein估计优于最小二乘（LS）估计的充分必要条件，然后在Pitman Closeness(PC)准则下比较了Stein估计相对于LS估计的优良性，本文最后给出了一个特别的注记。     

关于广义压缩最小二乘估计的注记

本文研究了广义压缩最小二乘估计（ＧＳＬＳＥ）的一些性质，给出了它的均方误差（ＭＳＥ）的一个无偏估计量（ＵＥ），采用极小该ＵＥ的方法确定了ＧＳＬＳＥ的参数选取公式，并把这个统一化的方法应用于广义岭估计，岭估计、Ｍａｓｓｙ主成分估计、Ｓｔｅｉｎ型压缩估计以及根方有偏估计等，从而得到了它们的一种选取参数的方法，最后，结合Ｈａｌｄ实例进行比较分析，结果表明，本文的方法是实用的，有效的。     

指数分布2/3(G)表决系统产品的统计分析

针对指数分布2/3(G)表决系统产品,本文给出了系统的寿命分布及数字特征,并在全样本场合下给出了参数的矩估计、极大似然估计和逆矩估计,通过大量Monte-Carlo模拟比较了三种点估计的精度。此外,还给出了求参数区间估计的两种方法,并通过大量Monte-Carlo模拟考察了区间估计的精度,得到参数的精确区间估计优于近似区间估计。     

线性回归模型Liu估计的新研究

考虑线性回归模型Y=Xβ+ε,E()ε=0,Cov()ε=2σI(1),当设计矩阵X的列存在共线性时,最小二乘估计^β=(X′X)-1X′Y的性质变坏,为此给出了有偏估计^(βK,d)=(X′X+K)-1(X′Y+d^β),其中K为对角矩阵,K=diag(k1,…kp),ki≥0,d>0为参数,讨论了这种有偏估计与广义岭估计、Liu估计的比较,并证明了其可容许性估计.     

指数分布冷贮备系统产品的统计分析——转换开关指数型的情形

给出了全样本场合下指数分布冷贮备系统产品寿命分布中参数θ≠λ时的矩估计和极大似然估计,通过Monte-Carlo给出了参数矩估计的精度,考察了1000次满足条件时所需要的模拟次数,随着样本量的增大,矩估计存在的比率逐渐增大,而极大似然估计的结果与样本有关.同时给出了参数θ=λ时的矩估计、极大似然估计和逆矩估计,通过Monte-Carlo模拟考察了参数点估计精度,认为矩估计比较优.文章还给出了求参数区间估计的两种方法——精确方法和近似方法,通过Monte-Carlo模拟认为精确方法精度较高.     

认购证发行总数的估计

利用发行的认购证有编号１，２，……，Ｎ，，本文通过随机抽取的几个认购证号码，给出了认购证发行总数的最大似然估计，一致最小方差无偏估计和Ｂａｙｅｓ估计。     

定时截尾场合指数分布表决系统产品的统计分析

本文针对指数分布2/3(G)表决系统产品,在截尾样本场合下给出了参数的拟矩估计、极大似然估计和近似区间估计,并通过大量的Monte-Carlo模拟分别考察了点估计和区间估计的精度。     

艾拉姆咖分布参数的Bayes估计及检验

首先给出了艾拉姆咖分布在定数截尾场合下参数的极大似然估计;其次由"平均剩余寿命"的概念得到了参数的拟矩估计;然后取共轭先验分布给出了参数的经验Bayes估计、区间估计及假设检验;最后通过实例给出了不同截尾样本下参数的点估计和区间估计.     

流态化非均匀结构的概率模型

通过对实验数据的直方图的分析和统计检验的手段,找到了定量描述一类气固流化订系统非均匀结构动态行淡的概率分布－七参娄威布尔分布,提示了这种复杂系统内非均匀性的一些规律,模拟结果是理想的。     

失访和迄今存活病人的生存率

癌症临床工作的关键指标是生存率，尤其是那些失访和迄今存活病人即终检（也称删失）病例的生存率。后者尚无估计方法。本文提出生存率终检模型，利用该模型从整个样本生存率分离出终检病例生存率，并按二项分布理论构造其方差和置信限。其统计学意义是它揭示出生存率的终检成份和非终检成份，临床意义是它实现了对失访和迄今存活病人生存率的估计。与以往的笼统生存率估计相比，这显然提高了一步。附有工作实例描述其临床应用     

高考预效度的混合估计

用传统的预测效度估计法估计高考预测效度，其估计值往往偏低。为此，本文应用回归分析中混合估计理论提出了高考预测效度的混合估计。这种估计是预测效度的无偏估计，并解决了预测效度估计值偏低的问题。     

均匀分布U〔θ-1/2,θ+1/2〕中参数θ的四种估计量

给出均匀分布U〔θ-1/2,θ+1/2〕中θ的四种估计量,并分别比较了四种估计量的优劣性.