半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.     

混合系数线性模型的一类有偏估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出该模型的一类有偏估计,研究新估计的一些优良性质,在一定条件下证明这类估计优于s-K估计~([7]).     

增加试验数据对岭估计的均方误差的影响

在线性模型中,对于回归系数的岭估计和广义岭估计,本文给出了选择岭参数的条件,在此条件下,岭估计和广义岭估计不仅能改善LS估计,而且增加试验数据时,它们的均方误差都会减少。同时,本文将增加试验数据换成增加附加信息,从而讨论了附加信息对混合岭估计和混合广义岭估计的影响问题。     

Gauss-Markov估计关于误差分布的稳健性

对于一般线性模型y=Xβ+ε,本文讨论了在广义均方误差准则及均方误差矩阵准则下,未知参数β的可估函数Xβ的Gauss-Markov估计关于误差分布的稳健性,分别给出了误差项ε的最大分布类,使得误差项ε的分布在此范围内变动时,Gauss-Markov估计在相应准则下是最优估计.     

无重复因析试验中一种散度效应的迭代估计方法

在无重复因析试验下,基于李济洪,王钰等(2010)提出的散度效应的AMH估计,给出了一种散度效应的迭代估计方法(称为IAMH估计),通过模拟试验验证了此方法比常用的AMH,MH估计具有更小的均方误差.     

岭估计优于最小二乘估计的条件

本文讨论在均方误差意义下岭估计优于最小二乘估计的问题，给出了岭估计优于小最小二乘估计的必要条件及较一般的充分条件。     

受约束回归模型参数的统一几乎无偏估计

考虑实际回归问题中存在更多受约束条件的情况,提出了带约束的统一几乎无偏估计类,统一了常见的具有线性约束的回归模型的几乎无偏估计,进一步的研究给出了在均方误差和均方误差矩阵意义下,带约束的统一几乎无偏估计优于一般带约束的最小二乘估计的充分条件和椭球范围.     

一类多元回归模型参数的优于BLUE的估计

本文考虑多元线性回归模型i=1,2,B_i 未知在一定的条件下,得到参数的优于 BLUE 的估计。     

混合系数线性模型参数的Stein估计

在连续测量数据情况下,对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计,并证明了在均方误差意义下,Ｓｔｅｉｎ估计要优于ＬＳ估计,最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法     

无失效数据失效率的综合多层Bayes估计

文章对指数分布无失效数据的失效率,在先验分布为Ｇａｍｍａ分布时,在引进失效信息后,给出了多层Ｂａｙｅｓ估计以及综合多层Ｂａｙｅｓ估计,并给出了可靠度的综合估计。最后,结合实际问题进行了计算     

无失效数据情形失效率的综合E-Bayes估计

给出了无失效数据情形失效率的E-Bayes估计和引进失效信息后的E-Bayes估计,并在此基础上给出了失效率和可靠度的综合E-Bayes估计。最后,结合实际问题进行了计算,对估计结果进行了分析,并将它们与未假定先验信息时的非Bayes置信限进行比较,结果表明该方法是合理的。     

基于条件失效率的串和并联系统的失效率刻画

由于条件失效率有很好的直观意义且易获得,用它们去刻画相关部件组成的串或并联的系统失效率是一条有效的新途径.但并联系统失效率的表示过于复杂.由此,新定义过程失效率向量,但仍基于条件失效率,从另一方面描述并联系统的整个失效状况,并用Basu定义二维失效率说明其应用.最后,将以上两种刻画方式统一为系统过程失效率函数.     

参数的E Bayes估计法及其应用

提出了参数的一种估计方法—— E Bayes估计法 ,对寿命服从指数分布的产品 ,在失效率的先验分布为 Gamma分布时 ,给出了失效率的 E Bayes估计和多层 Bayes估计 ,并在此基础上给出了失效率和可靠度的 E Bayes估计的性质 .结合实际问题进行了计算 ,结果表明提出的 E Bayes估计法可行且便于应用 .     

不合格品率的一个估计方法

本提出了一种参数的估计方法——E Bayes估计法．对产品的不合格品率,给出了E Bayes估计的定义和E Bayes估计,并在此基础上给出了E Bayes估计的性质和多层Bayes估计。最后,给出了模拟计算,结果表明本提出的方法可行且便于应用。     

基于最优估计的数据融合理论

本文提出了一种最优加权的数据融合方法，分析了最优权值的分配原则；给出了多源信息统一的线性融合模型，使其表示不受数据类型和融合系统结构的限制，并指出在噪声协方差阵正定的前提下，线性最小方差估计融合和加权最小二乘估计融合是等价的；介绍了数据融合中的Bayes极大后验估计融合方法，给出了利用极大后验法进行传感器数据融合的一般表示公式；最后以两传感器数据融合为例，证明了利用Bayes极大后验估计进行两传感器数据融合所得到的融合状态的精度比相同条件下极大似然估计得到的精度要高，同时它们均优于任一单传感器局部估计精度。     

Weibull分布基于恒加试验的参数估计

讨论了Weibull分布场合恒加寿命试验的参数估计,在文[1]对参数估计改进的基础上作了进一步改进,从而使改进后的参数估计更优.     

对数正态分布基于恒加试验的参数估计

讨论对数正态分布场合有非常数尺度参数恒加试验的参数估计,由最小均方误差准则导出基于完全样本恒加试验的点估计和近似区间估计.     

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计。在引进失效信息后，给出了失效率的E-Bayes估计，并在此基础上给出了失效率和其它参数的综合E-Bayes估计。最后，结合实际问题进行计算，结果表明该文提出的方法可行且便于应用。     

基于模糊子集的贷款组合优化方法

遵照国际银行业大多数银行的做法,信用风险评估包括对债务人和债项两个方面.以模糊集理论为基础,通过试算与比较,构造隶属函数,对各指标进行无量纲化处理,建立距离判别函数,评估债务人信用风险.根据债项特征,考察风险四因素:违约概率,特定违约损失,违约敞口,期限,建立0-1整数规划模型,对债项进行风险评估,确定最佳贷款组合,以解决组合贷款的优化决策问题.