可估子空间上一般Gauss—Markoff模型的比较

对于两个线性模型ｄ１＝Ｌ（Ｘ１，β，Ｖ１）和ｄ２＝Ｌ（Ｘ２β，Ｖ２），其中Ｖ１和Ｖ２是已知的对称非负定矩阵，我们在可估子空间μ（Ａ）上对它们进行了比较。得到了ｄ１≥ｄ２（μ（Ａ））的一个充要条件。最后，我们在可估子空间上比较了带多余参数的两个线性模型，得到了一个充要条件。     

可估子空间上一般生长曲线模型的比较

对于两个生长曲线模型ｇ１＝Ｇ（Ｘ１ＢＺ１,Ｖ１,Ｉｎ１）和ｇ２＝Ｇ（Ｘ２ＢＺ２,Ｖ２,Ｉｎ２）,其中Ｖ１和Ｖ２是已知的对称非负定矩阵,本文在可估子空间Ｄ上对它们进行了比较,得到了ｇ１≥ｇ２（Ｄ）的几个充要条件。     

一般Gauss-Markov模型中可估函数的线性Minimax估计

设Y是具有均值Xβ和协方差阵σ2V的n维随机向量,Sβ是线性可估函数,这里X,S和V≥0是已知矩阵,β∈Rp和σ2＞0是未知参数.本文分别在给定的矩阵损失和二次损失下研究了线性估计的Minimax性.在适当的假设下,得到了Sβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解).     

二次损失下一般Gauss-Markov模型中可估函数的线性Minimax估计

设Y是具有均值Xβ和协方差阵σ~2V的n维随机向量,Sβ是线性可估函数,这里X,S和V≥0是已知矩阵,β∈R~p和σ~2>0是未知参数。本文在二次损失下研究了线性估计的Minimax性。在适当的假设下,得到了Sβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解)     

一般正态线性模型中可估函数的线性Minimax估计

对于一般正态线性模型y～N(Xβ,σ2V),这里X和V≥0是已知矩阵,β∈Rp和σ2＞0是未知参数,在二次损失下我们研究了可估函数DXβ的线性估计在一切估计类中的Minimax性,得到了DXβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解).     

线性模型中不可估参数的线性估计的可容许性

对一般线性模型在平方损失函数下，得到了一维不可估参数函数的线性估计为可容许估计的充要条件，以及模型中参数向量（非线性可估）的线性估计为可容许估计的两个充要条件，并得到了多维参数函数（可估或不可估）的线性估计为可容许估计的一个充分条件以及特殊情况下的一个充要条件．     

一般增长曲线模型参数阵的BLU估计

考虑一般增长曲线模型：Ｙ＝Ｘ１ＢＸ２＋εＥ（Ｖｅｃ（ε））＝０Ｖ（Ｖｅｃ（ε））＝σ２ＶＩｎ（Ｖ０）本文对任一可估函数ＫＢＬ给出了它的ＢＬＵ估计（最佳线性无偏估计），并得到了方差σ２的一个无偏估计．     

正态线性模型中可估函数的Minimax估计

对于正态线性模型Ｙ～Ｎ（Ｘβ,б2Ｖ）,在二次损失Ｌ（б,ＤＸβ）＝下,本文利用可容许性理论,证明了可估函数ＤＸβ的一个线性估计在一切估计类中是ＤＸβ的唯一Ｍｉｎｉｍａｘ估计。     

带约束一般生长曲线模型中可容许线性估计的特征

本文讨论带约束一般生长曲线模型中的可容许线性估计问题,对于回归系数的线性可估函数KBL的估计DYF(DYF+M),分别在齐次和非齐次线性估计类中,给出了它们是可容许估计的一些特征.     

可换环上一般线性李代数的李三导子

本文研究了含幺可换环上一般线性李代数的李三导子.通过构造特殊矩阵并利用这些矩阵进行运算,得到了任意含幺可换环上一般线性李代数的任意一个李三导子的具体形式,从而推广了导子的概念.     

广义线性模型的充分性及变换观察值的影响

线性充分性概念由Baksalary and Kala^[1],Drygas^[2,3]和Mueller^[4,5],引广言语线性模型E（Y）＝Xβ,Cov(Y)=V≥0,本文拓广了这一概念,提出关于任一给定可估函数c′β的线性充分性概念,得到了线性充分性理论的一些进一步结果。本文还分析了观测值的一般线性变换对广义线性模型的影响,得到了由变换给可估函数的BLUE和BLUE之方差变化的一般结果。     

Krein空间中无穷维Hamilton算子的极大确定不变子空间的存在性问题

本文研究了不定度规空间空间中的无穷维Hamilton算子.利用Plus算子存在极大不变子空间的性质,获得了无穷维Hamilton算子在Krein空间中存在极大确定不变子空间的充分条件.     

线性变换对带约束奇异线性模型的条件G—M估计的影响

考虑带约束奇异线性模型Y=Xβ＋ε，Lβ＝0，E（ε）＝0，cov（ε）＝σ~2V，其中V为非负定矩阵，X为任意秩．文章研究了观察向量Y的线性变换对回归系数条件可估函数Sβ的G－M估计的影响，并将条件可估子空间μ（X'L'）划分成Ω＋Ω_＋Ω_2.当μ（S'）Ω时，Sβ的条件G-M估计在模型变化后其优良性不变；当μ（S'）Ω_1时，模型变化后Sβ仍可估，但Sβ的条件G－M估计的方差要变大；当μ（S'）Ω_2时，Sβ不可估．     

COMPARISON OF TWO MODELS AND TWO ESTIMATION METHODS FOR CATCH AND EFFORT DATA

We consider the problem of estimating the optimal steady effort level from a time series of catch and effort data, taking account of errors in the observation of the “effective effort” as well as randomness in the stock-production function. The “total least squares” method ignores the time series nature of the data, while the “approximate likelihood” method takes it into account. We compare estimation schemes based upon these two methods by applying them to artificial data for which the “correct” parameters are known. We use a similar procedure to compare the effectiveness of a “power model” for stock and production with the “Ricker model.” We apply these estimation methods to some sets of real data, and obtain an interval estimate of the optimal effort.     

非正则位置参数模型中的拟极大似然估计

当分布密度的形式未知时，参数的极大似然估计没有明确的解析表达式，也不能通过设计算法由计算机运算得到。本文我们将从该分布中抽取的样本当作是来自另一个形式已知的分布密度的样本，该已知分布密度的选取依赖于未知的分布密度，但是具有与未知分布相似的边界性质。基于这两个分布族，我们提出了拟极大似然估计的概念，同时，对这种拟极大似然估计的渐近性质进行了讨论。结果表明拟极大拟然估计与极大似然估计有关相同的渐近性质，并且由于拟极大似然估计的获得不依赖于未知分布密度的形式，只与一已知的分布密度有关，使得通过计算机可以实现对其的求解。     

理赔为一般到达的常利率风险模型

本文研究了一般到达的常利率保险风险问题，应用建立Markov骨架过程的方法建立了理赔为一般到达的常利率风险模型．给出了破产时的余额分布、破产前瞬间的余额分布、破产时间与破产前瞬间余额的联合分布、破产时间与破产时余额的联合分布及破产前瞬间余额、破产时余额与破产时间的联合分布．