Hazard regression with penalized spline: The smoothing parameter choice and asymptotics

In this article, we use penalized spline to estimate the hazard function from a set of censored failure time data. A new approach to estimate the amount of smoothing is provided. Under regularity conditions we establish the consistency and the asymptotic normality of the penalized likelihood estimators. Numerical studies and an example are conducted to evaluate the performances of the new procedure.     

删失数据半参数回归模型的样条估计量的渐近正态性

本文研究了删失数据半参数回归模型的渐近正态性问题.利用样条光顺和合成数据的方法,获得了参数β、非参数h(t)的样条估计量,以及参数估计量的渐近正态性,推广了完全数据情形的相应结果[4].     

不同自变量的变系数模型的估计

讨论具有不同自变量的变系数模型的函数系数的估计及其大样本性质。使用局部线性方法和积分方法,得到函数系数的积分估计;由于该估计有较大的方差,进一步使用回切法改进这一估计,获得了函数系数的改进估计;同时,研究了改进估计的渐近正态性。最后,用模拟例子说明提出的估计方法是有效的。     

面板数据分位数回归模型的参数估计与变量选择

本文研究了基于面板数据的分位数回归模型的变量选择问题.通过增加改进的自适应Lasso惩罚项,同时实现了固定效应面板数据的分位数回归和变量选择,得到了模型中参数的选择相合性和渐近正态性.随机模拟验证了该方法的有效性.推广了文献[14]的结论.     

散乱数据带自然边界条件二元样条光顺及数值微分

考虑一种新的散乱数据带自然边界二元样条光顺问题.根据样条变分理论和Hilbert空间样条函数方法,构造出了显式的二元带自然边界光顺样条解,其表达式简单且系数可以由系数矩阵对称正定的线性方程组确定.证明了解的存在和唯一性,讨论了收敛性和误差估计.并由此得到一种新的基于散乱数据上的正则化二元数值微分的方法.最后,给出了一些数值例子对方法进行了验证.     

发散维数SICA惩罚Cox回归模型的一种修正BIC调节参数选择器

本文研究了发散维数SICA惩罚Cox回归模型的调节参数选择问题,提出了一种修正的BIC调节参数选择器.在一定的正则条件下,证明了方法的模型选择相合性.数值结果表明提出的方法表现要优于GCV准则.     

A NEW ESTIMATE OF SHAPE PARAMETER IN THE FAMILY OF GAMMA DISTRIBUTION

§ 1　IntroductionGamma distribution is a very importantdistribution in theories of probability and reli-ability,and is widely applied to theory and practice.For example,Gamma distributionjust is K.pearson -type distribution in hydrology[1 ] .A large amount of practice hasshown thatmany hydrological data are very identical with K.pearson -type distribution.Our country mainly adopts K.pearson -type distribution in hydrology field.Again,theexponential distribution family and Chi square dist…     

一种新的正则化方法的正则参数的最优后验选取

应用紧算子的奇异系统和广义Arcangeli方法后验选取正则参数，证明了文[1]中所建立的求解第一类算子方程的正则化方法是收敛的，且正则解具有最优的渐近阶。     

半正定算子方程正则解的收敛率和参数选取法

1 引言 关于第一类线性算子方程 Ax=y (1)已有很多文献和专著作过研究。由于方程(1)一般是不适定的.须用正则化方法求解.最著名的方法是Tikhonov正则化方法.关于其正则解的收敛性、收敛率及参数选取法,专著[2,3]已作了深入系统的研究.当A为半正定自共轭的有界线性算子时,可应用 Lavrent’ev正则化方法或称为简化正则化方法,由于其在计算上所具有的优越性,已引起不少学者的关注.本文将用简化正则化方法研究当A为半正定线性有界算子的情形.实际上,此时的A是一个单调算子,而对单调算子方程,已有很多研究结果,只不过主要是关于正则解的收敛性及有限维逼近的讨论,而未涉及正则解的收敛率问题。我们将在第2节中讨论正则解的收敛率.并给出一种后验的参数选取法,这种参数选取法比先验的参数选取法的优越之处在于它不依赖于解的“光滑性”条件”“,但当满足某种“光滑性”条件时,所得到的收敛率是最优的.第3节中我们讨论了当算子方程的右端数据及算子本身都为近似已知的情形,这种情形更接近于实际的数学模型。文献[13,14]曾作过研究.     

左截断右删失数据下半参数模型风险率函数估计

文章给出了右删失左截断数据半参数模型下的风险率函数估计,讨论了风险率函数估计的渐近性质,获得了这些估计的渐近正态性,对数律和重对数律.由于假定删失机制服从半参数模型下,从而知道模型的更多信息,因此对于给出参数的极大似然估计,可以改进风险率函数估计的渐近性质.也就是说,删失数据模型具有半参数的辅助信息下, 风险率函数估计的渐近方差比通常的完全非参数的估计的渐近方差更小.这说明加入了额外的信息提高了风险率函数估计的效率.     

带多重选择的最短路问题:复杂性和算法

本文提出了带出重选择的是短路问题,建立了该问题的数学模型,利用背包问题的一个变形问题－带限制选择的背包问题,证明了该问题是ＮＰ－Ｃ的,最后利用动态规则给出了一个伪多项式算法,其时间复杂性Ｏ（Ｃｈｍｎ）,其中ｈ是最大的选择重数。     

改进的Tikhonov 正则化及其正则解的最优渐近阶估计

对于算子与右端都有扰动的第一类算子方程建立了一类新的正则化方法(称为改进的 Ｔｉｋｈｏｎｏｖ正则化)．应用紧算子的奇异系统和广义 Ａｒｃａｎｇｅｌｉ方法后验选取正则参数,证明了正则解具有最优的渐近阶并给出了相应的算例分析．     

解y"=g(x,y)初值问题含参数线性多步方法的相容阶和收敛阶

1 引 言对于直接积分二阶常微分方程的初值问题 y"=g(x,y) y (x_0)=y_0,y'(x_0)=y"_0,x_0 x T,(1)