重积分的几个求积公式

一、引言关于单积分的求科公式及其误差估计式,研究的是较为深入。对于重积分的求积公式及其误差估计式的研究相比之下就显得很少。数学手册上给出了几个重积分的求积公式,严格说来它们只是几个十分特殊的例子,不能称为重积分的求积公式。在本文中先对平面     

部分线性测量误差模型中的估计问题（英文）

本文考虑了部分线性模型中非参数部分带有可加测量误差的估计问题.本文提出了两种估计方法,第一种是基于逆卷积的积分矩估计方法,给出该估计的强相合收敛性.第二种是基于模拟的估计方法,该方法避免了积分矩估计方法中的积分问题.最后本文用一些数值结果来说明估计方法的估计效果.     

Panel模型中常见估计的比较

本文研究了Panel模型中回归系数常见估计的比较问题,给出了在Pitman准则,协方差阵准则和广义均方误差准则下最小二乘估计,Within估计,Between估计及两步估计之间的优良性比较结果.特别地,本文证明了在Pitman准则下最小二乘估计一致地优于Between估计.     

矩相关保费原理中风险保费的经验厘定

在传统的B¨uhlmann信度理论中,信度估计仅仅适合净保费原理,并且很难直接推广到更一般的保费原理中.本文根据随机变量的矩母函数定义一种统一的保费原理—矩相关保费原理,进而,将信度理论的思想运用于估计风险随机变量的矩母函数,给出矩相关保费原理中风险保费的经验厘定估计,并证明估计的统计性质.结果表明,在净保费原理和指数保费原理中,已有的信度估计是本文估计的特殊情形;在方差保费原理中,本文得到的估计要优于已有的信度估计.最后,通过数值模拟的方法验证新的信度估计的相合性和渐近正态性,并在小样本条件下比较本文估计与已有估计的均方误差.     

高维线性模型的稀疏半参有效估计

高维线性回归估计是一个被大量学者研究的重要统计学问题.在误差分布未知的情况下,如何将有效性纳入高维估计仍是一个尚未解决且具有挑战性的问题.最小二乘估计在非Gauss误差密度下会损失估计的效率,而极大似然估计由于误差密度未知,无法直接被应用.基于惩罚估计方程,本文提出一种新的稀疏半参有效估计方法应用于高维线性回归的估计.本文证明了在误差密度未知的超高维回归下,新的估计渐近地与具有神谕性的极大似然估计一样有效,因此对于非Gauss误差密度,它比传统的惩罚最小二乘估计更有效.此外,本文证明了几种常用的高维回归估计是本文方法的特例.模拟和实际数据的结果验证了本文所提出方法的有效性.     

乘积极限估计的重对数律

利用右删失数据估计寿命分布时,常用乘积极限估计.本文给出乘积极限估计是均匀强相合估计的充要条件.证明乘积极限估计的均匀收敛的重对数律.     

强混合样本且含附加信息情形M估计和分位数估计的渐近性质（英文）

在强混合样本且含附加信息情形,本文采用经验似然方法提出了一类新的M估计和新的分位数估计.结果表明,本文提出的M估计和分位数估计具有相合性和渐近正态性,且其渐近方差比一般M估计和分位数估计的渐近方差小.     

不完全数据下的分位数估计

本文主要讨论了响应数据缺失时基于无偏估计方程的分位数估计.本文提出了两种非参光滑技术的插补(imputation)方法,一种是整体非参核插补法,另一种是局部多重插补法.我们可以利用这两种方法构造渐近无偏估计方程.通过该缺失数据下的估计方程,我们可以利用常用的估计方法对未知分位数进行统计推断.本文证明了该方法下的分位数估计具有相合性和渐近正态性.     

两个半相依模型回归系数的改进估计

对于两个半相依回归系统的未知回归系数,本文首先借鉴文献中给出的两步协方差改进估计的方法给出两种两步协方差改进估计序列,并给出其与两步估计等价的条件和均方误差意义下的优良性; 其次,我们对文献中给出的一种两步估计作简单改进,使得改进后的估计在更大的参数空间内优于最小二乘估计. 再次,本文另辟蹊径, 构造了一种新的估计,同样地,此估计也具有更好的小样本性质.本文最后一节讨论了Pitman准则下两步估计的优良性.     

具有多合同的广义加权保费的信度估计(英文)

本文讨论了广义加权保费原理下的信度估计,并把结论推广到多合同模型.通过概率分布的变换,本文得到了多合同模型下广义加权保费的非齐次和齐次信度估计.并且讨论了这些估计的统计性质.最后,运用重抽样方法讨论了信度因子中未知结构参数的估计.数值模拟表明,非齐次信度估计能运用于保险实际.     

Gompertz分布TFR模型多步步进应力加速寿命试验的统计分析

本文给出了Gompertz分布产品的多步步加试验损伤失效率模型下参数的极大似然估计和拟矩估计, 最后通过模拟例子说明本文方法是可行的. 另外, 本文还给出了参数的区间估计.     

�����������ľصľֲ����Թ���

本文给出了条件三阶中心矩的局部线性估计, 并研究了估计的条件偏差和方差. 本文利用广义交叉核实法(GCV)进行窗宽选择. 我们通过模拟说明了该估计的实用性     

混合系数线性模型参数的广义Liu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了该模型的一类新的有偏估计一广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.     

具有相关误差和不同光滑变量的半变系数模型估计（英文）

本文主要讨论具有相关误差和不同光滑变量的半变系数模型估计.通过改进的PLS估计,给出系数函数和常系数的估计,证明估计的渐近正态性,模拟研究说明了该估计的有效性.     

熵损失函数下的信度模型

本文研究了信度模型问题.利用熵损失函数,获得了风险保费的信度估计和经验Bayes信度估计.所获结果是对现有风险保费信度估计和经验Bayes信度估计的一个补充.     

Pólya分布在气候统计中的应用

Pólya分布在气候统计中常用来拟合雾、雷暴等.本文给出了Pólya分布总体在全样本场合下参数的矩估计和极大似然估计,并研究了估计的存在性,并通过大量的Monte Carlo模拟说明了估计的精度,认为在样本较大的情形下极大似然估计优于矩估计.最后通过具体的雾与雷暴等气候统计数据说明本文方法的可行性.     

高频金融数据的高维积分波动率矩阵估计

高维积分波动率矩阵是资源配置和风险管理的重要统计量,对其估计是金融统计和风险度量中的热点和核心问题之一.本文在带有市场信息的微观结构噪声下,考虑了高频金融数据大量资产的积分波动率矩阵估计问题.在多资产价格观察不同步下,当资产数和样本量都趋向于无穷时,本文利用不重叠区间方法和稀疏性特征提出了高维积分波动率矩阵估计,证明了该估计量具有相合性,较在加性噪声下的估计具有更快的收敛速度,其收敛速度可以达到已存在高维积分波动率矩阵估计在无噪声下的最快收敛速度.对所提出的估计与现有的高维积分波动率矩阵估计进行模拟比较,结果表明本文提出的估计方法具有优良的性质.最后将提出的估计应用于上海证券指数数据的实证研究中.     

一个在图像中识别变化区域的有效方法（英文）

本文介绍了一个新颖有效的方法,用于估计图片中的变化区域.本文利用现有的一维参数变点估计方法设计了一个可以应用到图像分割问题中的方法.新方法采用了Schwartz信息量准则来估计变点个数,然后通过一个改进后的PELT算法来计算变点位置.此外,在估计完变点之后,本文也提出一个全新的方法可以将同分布的区域聚合在一起.我们证明了在一些合适的条件下,变点的估计和区域的估计均是相合的.在数值模拟研究中,新方法在估计精度和计算时间等方面都要优于其他的图像分割算法.     

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法, 证明了对于一般的方差分量模型, 只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式, 并且在均方误差意义下优于ANOVA估计. 特别地, 对于单向分类随机效应模型, Kelly和Mathew^[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式, 这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释. 同时, 本文又将此思想应用到对谱分解估计的改进上. 本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型, 当随机效应的协方差阵只有一个非零特征值时, 随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计. 本文最后将第三节的结论推广到广义谱分解估计下, 同时给出广义谱分解估计待定系数的一个合理的取值.     

混合模型中方差分量估计的容许性及非负估计

对含有两个方差分量的线性混合模型, 本文构造了方差分量的一个线性估计类, 它包含许多常见的方差分量估计. 在这个类中我们建立了容许性的必要条件, 据此得到了两个新的改进估计. 最后我们讨论了方差分量的非负估计, 得到了优于方差分析估计和Tatsuya估计的正估计.