Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．     

非参数回归函数之改良基于分割的估计的强相合性（英）

设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i．i．d．随机变量,E(|Y|) ＜∞．设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计．     

椭圆型问题一类广义差分法的L~2模误差估计

1.引 言 广义差分法作为处理偏微分方程的离散技术,能够保持质量,动量,能量等物理量的守恒.广义差分法（有些文献称为box method[3];finite volume element method[4],[5],[6]）利用在对偶剖分体积单元积分原始方程,并将近似解限制于某一有限元空间而得到离散方程.因此,它在局部区域保持了原始方程的物理守恒性和其他重要特性.从而被广泛地应用于数值求解数学物理方程,特别是计算流体力学和热传导问题[11]. 对广义差分法的研究已有许多文献,专著[10]有详细的介绍.早期的工作主要考虑标准的重心对偶剖分.近年来Cai et,al[4],[5],[6],在某些假定下对较一般的对偶剖分给出了能量模误差估计,Huang and Xi[9]去掉了文献[6]中的这些限制.Chou,Li[8]和Li,     

响应变量随机缺失下的半参变系数模型的均值估计

在响应变量随机缺失时,研究了半参数变系数模型响应变量均值的借补估计.首先利用完整个体估计模型中的参数与非参数部分,然后再用借补方法与加权借补方法估计响应变量的均值.最后求出了估计的渐近偏差与渐近方差,研究了所得到的估计的渐近性质,并进行模拟比较.     

基于MCD的稳健主成分算法及其实证分析

主成分分析方法是在经济管理中经常使用的多元统计分析方法,在变量降维方面扮演着很重要的角色,是进行多变量综合评价的有力工具。但传统的主成分分析对于异常值十分敏感,计算结果很容易受到异常值影响,而实际数据常包含异常情况,通常分析很少考虑它们的作用。本文基于MCD估计提出一种稳健的主成分分析方法,模拟和实证分析结果表明,该方法对于抵抗异常值有很好的效果。     

三维守恒律有限元方法逼近光滑解的误差估计

我们对一个三维守恒律的显式有限元方法证明了H^1范数的二阶误差估计。