基于逻辑学概念的信息理论

信息论是以信息为研究对象的科学分支.关于信息的定义也是多种多样,这些定义既有按照哲学意义给出的,也有按照科学意义给出的,而这些关于信息的定义都有值得商榷之处.以下采用数理逻辑的基本概念和方法给出关于信息的定义,并且给出了相应的分析.新理论可成为逻辑信息学或者逻辑信息论.     

全支付拍卖模型的信息结构及其对均衡的影响分析——纪念李国平院士吴新谋教授诞辰100周年

研究全支付拍卖模型中参与人的参与结构以及均衡问题.首先给出了非对称信息下参与人的参与选择问题,分析了异质参与人的参与选择. 尔后给出了参与人参与均衡策略,给出当参与人估价分布函数在对称和非对称情形时, 竞赛中的对称均衡策略.最后给出了当均衡存在时, 竞争对手对均衡分布函数的估计.     

切换布尔网络稳定性的牵制控制

研究了切换布尔网络稳定性的牵制控制问题.首先,根据矩阵的半张量积的理论给出切换布尔网络的代数表达式.接下来,分别给出算法选择切换布尔网络的牵制节点,以及给出牵制控制器的设计方案.最后给出数值例子验证文章所得结论的有效性.     

Pascal分布的参数估计

对Pascal分布,提出了参数估计的一种新方法——E-Bayes估计法.给出了可靠度的E-Bayes估计的定义,在此基础上给出了可靠度的E-Bayes估计公式,并给出了可靠度的E-Bayes估计的性质——E-Bayes估计和多层Bayes估计的关系.最后,给出了模拟算例,结果表明本文提出的E-Bayes估计法可行且便于应用.     

关于两个猜想的证明

文献[1]提出了参数估计的一种新方法—E-Bayes估计法.对Pascal分布,给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了两个猜想,但没有给出证明.本文给出了这两个猜想的证明.     

求解对称张量绝对值方程问题的非光滑牛顿法

提出一类对称张量绝对值方程问题,给出了求解此类问题的一类非光滑牛顿法,并且在一般的假设条件下,给出了算法的局部收敛性.最后给出相关的数值实验表明了算法的有效性.     

关于两个猜想的证明

文献[1]提出了参数估计的一种新方法—E-Bayes估计法.对Pascal分布,给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了两个猜想,但没有给出证明.本文给出了这两个猜想的证明.     

华罗庚域的Bergman核函数

给出了4类华罗庚域的Bergman核函数的显表达式.其关键之处有两点：一是给出了它们的全纯自同构群;二是引进了semi-Reinhardt域,并给出了它们的完备标准正交函数系.在此基础上,给出了它们的Bergman核函数的显表达式,这也是方法上的创新之处.     

指标排序条件下的多指标区间决策

提出了决策指标的权重不能完全确定而只能对权重进行大小排序,并且决策矩阵中的元素包含区间数的多指标决策问题.分4种类型给出区间数决策矩阵的规范化方法,给出了决策方案综合评价值区间的计算模型及算法:给出了区间数比较大小的可能度的概念及可能度的性质;给出了优序数的概念及有关定理.在此基础上,给出了一种简易且具有保序性的方案排序方法.最后应用实例对方法进行说明.     

关于多项式映射自同构恒等集的一个注记

本文给出了判定一个仿射代数集是否是一个自同构恒等集的充分条件.作为一个推论,我们给出了Mckay-Wang的一个问题的一个新证明.我们也给出了一些具体的例子来说明主要的定理.     

P^-混合样本线性模型M估计的强相合性

研究了P^-混合样本线性模型中的M估计，在较弱的矩条件下，获得了M估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

随机适应误差下线性模型参数M估计的渐近性质

在一些较弱的充分条件下,本文研究了误差为随机适应序列下,线性模型回归参数M估计的强相合性.与文献中已有结果比较,扩大了应用范围,且对矩条件也有较大改进.同时我们给出了随机适应误差下线性模型参数M估计的渐近正态性.     

线性模型参数M估计的强相合性

研究了线性模型中回归参数 M估计的强相合性 ,在 dn=o( 1 / logn)情形下 ,给出了较弱的充分条件 .与 [1 ]中相应结论比较 ,我们将有界性条件改善为矩母函数存在性条件 ,因此作了实质性的改进     

混合线性模型M估计的强相合性

研究了混合样本线性模型中回归参数M估计的强相合性,在较弱的矩条件下,获得了M估计是强相合的充分条件,实质性地改进和推广了文[1]定理3.1.     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数　Ｍ　估计的强相合性，　给出一些较弱的充分条件．　与陈希孺和赵林城的专著［１］中相应的结论比较，　这里给出的条件对矩的要求有较大的实质性改进．     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.     

加权平衡损失函数下回归系数的最佳线性无偏估计

这篇文章我们研究了回归系数的最佳线性无偏估计. 在加权平衡损失函数下, 我们得到了回归系数的最佳线性无偏估计. 同时提出了度量最佳线性无偏估计和最小二乘估计的相对效率. 并且我们给出了它们的上下界.     

Modified restricted Liu estimator in logistic regression model

?iray et al. (Commun Stat Simul Comput, 2014) proposed a restricted Liu estimator in logistic regression model with linear restrictions. However, this estimator did not satisfy the linear restrictions. In this paper, we introduce a modified restricted Liu estimator in logistic regression model with linear restrictions. Our results show that the new estimator satisfies the linear restrictions. We also discuss the properties of the new estimator under the matrix mean squared error criterion. Finally, a Monte Carlo study and a numerical example are given to show the performances of the new estimator.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

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.