已有降维方法的推广

SAVE,PHD和SIRⅡ已被证明是有效的降维方法,这些方法基于下面的两个假设1线性条件和常数方差条件.但是,常数方差条件非常强.当常数方差不成立时,即使线性条件成立,SAVE,PHD和SIRⅡ经常会找到中心空间之外的方向.通过去掉了常数方差条件,在较弱条件下推广了SAVE,PHD和SIRⅡ从而使得在较弱的条件下,能得到中心空间的正确估计.     

基于加权方差估计的降维

提出一种新的降维方法, 加权方差估计(WVE), 它包含了切片平均方差估计(SAVE)作为特例. 并且利用Bootstrap方法从WVE中 选择出最优估计, 给出了维数的选择方法. 该最优估计通常远好于已有方法, 比如切片逆回归(SIR)等. 已有的许多方法, 如SIR, SAVE等, 通常对每个 观测给予相同的权来估计中心子空间(CS). 通过引入权函数, WVE根据观测样本距中心子空间的距离, 对不同观测给予不同权重. 权函数使得WVE在很 一般或复杂的情形下有很好的表现, 比如, 回归变量的分布严重偏离椭圆对称分布. 而椭圆对称分布假设是许多方法 的基本假定, 如SIR, SAVE等. 和已有方法相比, WVE对自变量的分布不敏感. 本文建立了WVE的相合 性. 与其他方法的模拟比较表明了WVE的优点.     

位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题.首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质.然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制.最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同.     

位置参数分布族中Fiducial分布与后验分布的关系

本文考虑本质位置参数分布族中,参数的Fiducial分布与后验分布的等同问题．首先讨论了如何给出Fiducial分布,分析结果表明以分布函数形式给出Fiducial分布要比密度函数形式合理,同时,证明了所给的Fiducial分布具有频率性质．然后,研究在参数受到单侧限制时,Fiducial分布与后验分布等同的问题,给出的充要条件是分布族为指数分布族,此时,先验分布是一个广义先验分布,它不能被Lebesgue测度控制．最后,证明了在参数限制在一个有限区间内时,Fiducial分布与任何先验(包括广义先验分布)下的后验分布不等同．