急性髓细胞白血病基因筛选模型的贝叶斯分析

基因表达数据蕴含着大量的生物信息,在生物基因信息研究中,筛选表达水平发生显著变化的差异基因是认识疾病形成机理和辅助靶点药物研究的关键问题.根据急性髓细胞白血病(AML)的基因表达数据,构造基因均值差序列,建立贝叶斯分层混合模型,并为模型的参数赋予具有基因生物特征的先验信息.采用马尔可夫链蒙特卡洛(MCMC)算法对模型参数进行估计,并筛选出急性髓细胞白血病差异表达基因.在实际数据分析中,从美国生物信息中心(NCBI)的高通量基因表达数据库中获取急性髓细胞白血病基因数据集,从经过非特异滤波预处理的14688个急性髓细胞白血病基因中筛选出711个差异表达基因,差异表达基因数仅占急性髓细胞白血病基因总数的4.84%,这一结果与基因差异表达的生物学原理相吻合.     

变系数模型变窗宽和一步局部M-估计

用变窗宽和一步局部M-估计对变系数模型的系数参数进行估计,得到了估计的渐近正态性.     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

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     

世界各地数学奥林匹克试题摘编

1（2000年中国台湾数学奥林匹克）设，是正整数集到非负整数集的映射，满足f（1）=0，f（n）=max 1≤j≤n-1 {f（j）＋f（n～j）＋j｜（n≥2），求f（2000）。     

借形解题的几点注意

借形解题是以“形”研究“数”,它使我们可以借助直观,从整体上、本质上透视问题,十分有利于问题的解决.但是,如果忽视了图形的正确性、存在性、完整性和简洁性往往会使解题陷入困境或导致错误.1注意图形的正确性例1设t>0,求坐标平面上的两点A t 1t,t-1t,B(-1,0)之间的距离的最     

多元线性模型参数的预检验估计

本文对于多元线性模型Ｙ～（ＸＢ,Σ＠Ｉｎ）提出参数Ｂ一种预检验估计方法当Σ已知时,给出一种整洁有偏估计,得到了它在均方误差（阵）准则下优于ＢＬＵＥ的充要条件当Σ未知时,提出一种非线性两步估计,并得到它的精确均有误差阵结果和优于ＢＬＵＥ的充要条件本文还给出估计占优条件的检验统计量     

SUR回归方程系统的预检验估计

对于SUR回归方程系统,[1]提出回归系数的一种有偏估计βi^*。本文证明它是βi的线性估计类中的可容许估计,在一定条件下它优效于[2]提出的一种协方差改进估计βi^∧和OLS估计。本文还讨论了估计占优条件的假设检验问题。     

广义矩阵分布下多元回归模型的贝叶斯推断

考虑具有奇异矩阵椭球等高分布误差的多元线性回归模型的贝叶斯统计推断,在非信息先验下得到了系数矩阵关于Hausdorff测度的后验边缘分布和未来观察值的预测分布,并得到了一类特殊奇异矩阵椭球等高分布下误差协方差矩阵的后验边缘分布.对于具有奇异矩阵正态分布误差的多元线性回归模型,在广义正态-逆Wishart共轭先验下得到了类似的后验边缘分布和预测分布结果.在上述两种先验分布下,回归系数矩阵的后验边缘分布和预测分布是双奇异矩阵t分布,这种分布具有关于Hausdorff测度的精确密度.结果表明,在非信息先验下,回归系数矩阵的后验边缘分布和未来观察值的预测分布在奇异矩阵椭球等高分布类中具有稳健性.     

观测向量的变换对广义线性模型参数估计的影响

本文一般地考察了观测向量Ｙ用线性变换ＦＹ代替对广义线性模型Ｙ＝Ｘβ＋ε的系数估计的影响，得到了由变换引起的方差增量公式，并由此得到了一个可估子空间，当且仅当其中元素的估计优良性不因观测向量的变化而改变，这一结果推广了文献［１］的结果．