自适应设计广义线性模型极大拟似然估计的渐近性

在对Fisher信息矩阵的最小特征根最一般的假定,响应变量的矩条件尽可能弱和其它正则条件下,证明了自适应设计广义线性模型中极大拟似然估计的强相合性与渐近正态性,同时给出了强收敛速度.     

在常微分方程教学中融入数学建模思想的探索与实践

结合常微分方程理论性强和应用性强的特点,探索如何在教材、教学方法等方面融入数学建模思想的方法.     

对参数带约束条件的生存模型的回归分析

为了降低成本、提高研究效率,对与时间相依的数据,有偏抽样方法是广泛应用的基础抽样方法.在建模过程中,它可以从参数的先验信息中提取更有价值的信息.随着数字信息的发展,在许多领域都可以收集到协变量维数大于样本容量的高维数据.变量选择法和独立筛选法是非常有效的降维方法.在比例风险模型中,对参数带有约束条件的回归分析,采用了修正的MM算法,但对不同的模型,此优化算法不再适用.为了克服优化问题的计算复杂难实现的困难,将蚁群算法和粒子群算法等优化算法应用到参数带约束条件的回归分析中.     

负相协误差下非线性模型$M$估计的强相合性

对于非线性模型$y_i=f(x_i,\theta)+e_i,\;i=1,2,\cdots,n$, 当$\{e_i,\,i=1,2,\cdots,n\}$为NA序列时, 本文在适当的条件下证明了$\theta$的$M$估计量的强相合性.     

ψ混合误差下回归函数小波估计的渐近正态性

对于非参数固定设计回归模型Yi=g(xi)+εi,其中{xi}为固定设计点,{εi}为ψ混合样本序列.在较合理的条件下讨论了未知回归函数g的小波估计的渐近正态性.     

强混合误差回归函数小波估计的Berry-Esseen界

设回归模型 Y_ni=g(t_ni)+ε_ni, i =1,…, n, 其中{t_ni} 为固定设计点列, g(?) 是定义在[0,1]上的未知函数, {ε_ni}为随机误差. 该文主要讨论了误差为强混合序列情形下, 回归函数g(?)小波估计的Berry-Esseen 界, 其界可达 O(n-^1/6).     

具有竞争风险的步进应力加速寿命试验的最优设计和Bayes估计

讨论了渐进II型截尾数据中具有竞争风险的步进应力加速寿命试验的最优试验设计和参数估计.通过假定产品寿命服从Weibull分布,尺度参数对数是应力水平的线性函数基础上,利用KH模型采用极大似然方法和Bayes方法对模型参数进行了点估计和区间估计,而最优试验设计是使尺度参数对数的极大似然估计值在正常应力水平下的渐进方差达到最小.最后进行了仿真研究,结果显示提出的估计量具有良好的稳健性和有效性.