半相依线性回归模型的影响分析

本文研究了半相依线性回归模型的影响分析问题.利用"数据删除"法,给出了基于(l)和E(l)的两种近似似然距离的具体计算公式,并且通过实际例子验证了本文的结论.     

分块半相依线性回归模型的参数估计

考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．     

方差分量谱分解估计的几个性质

对于线性混合模型中方差分量的估计，虽有多种方法，但一般情况下只有方差分析估计和谱分解估计有显式解，本文就线性混合模型中含两个方差分量的情形，对方差分析估计和谱分解估计进行了比较，证明了在一些条件下两个估计的方差相等，由此推出谱分解估计也具有方差分析估计的某些优良性．文末用实例进一步说明了文中的结果．     

平衡线性混合模型方差分量几种估计的优良性

对于平衡线性混合模型,本文提出了一组易验证的条件,在此条件下,方差分量的谱分解估计、方差分析估计和最小范数二次无偏估计都相等且为一致最小方差无偏估计.同时证明了在此条件下,似然方程和限制似然方程都有显式解,还给出了许多满足这组条件的平衡线性混合模型的例子.     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.     

������������˫����ָ���ֲ���Ʒƽ���������ʵ�ͳ���ƶ�

本文利用广义p值和广义置信区间理论,研究了两独立服从双参数指数分布产品平均寿命比率的统计推断问题.给出了平均寿命比率的广义置信区间,并对该区间的覆盖率和区间长度进行了数据模拟,模拟结果与已有文献中的近似置信区间进行了比较,结果显示本文给出的广义置信区间的区间覆盖率和区间长度都要优于近似置信区间,特别是在小样本的情况下.     

非平衡随机效应模型中方差分量的经验Bayes估计

对非平衡单向分类随机效应模型中方差分量找到了其最小充分统计量,在加权平方损失下导出了其Bayes估计,利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,并导出了其收敛速度.文末用例子说明了符合定理条件的先验分布是存在的.     

Spherical reconciliation for a continuous-variable quantum key distribution

Information reconciliation is a significant step for a continuous-variable quantum key distribution(CV-QKD) system.We propose a reconciliation method that allows two authorized parties to extract a consistent and secure binary key in a CV-QKD protocol,which is based on Gaussian-modulated coherent states and homodyne detection.This method named spherical reconciliation is based on spherical quantization and non-binary low-density parity-check(LDPC) codes.With the suitable signal-to-noise ratio(SNR) and code rate of non-binary LDPC codes,spherical reconciliation algorithm has a high efficiency and can extend the transmission distance of CV-QKD.     

两参数指数-威布尔分布形状参数的经验贝叶斯估计

研究了两参数指数-威布尔分布形状参数的经验贝叶斯(EB)估计问题,并假定当其中一个形状参数α已知时,给出了另一个形状参数θ在两种不同损失函数情况下的EB估计的表达式.并运用随机模拟方法,将两种不同损失函数下的EB估计进行了比较.     

非平衡随机效应模型中方差分量的经验Bayes检验

本文研究了非平衡随机效应模型中方差分量的经验Bayes 检验问题. 利用多元密度函数核估计方法构造了参数的经验Bayes(EB)判决函数,证明了该判决函数的渐近最优性,得到了其收敛速度,并给出了一个满足本文结论条件的先验分布.