多元线性模型回归系数的广义根方估计

将根方估计作一拓广，提出了回归系数的广义根方估计，证明了广义根方估计能更有效地改善最小二乘估计，并给出了广义根方估计的显示解和确定偏参数的方法。     

Weibull分布序加试验参数估计的有约束改进

基于林和费（１９８７）的方法，给出了Ｗｅｉｂｕｌｌ分布场合序进应力加速寿命试验参数估计的有约束改进，并用实例将所得到的估计与林和费（１９８７）的通常估计及汤和费（１９９６）的Ｂａｙｅｓ估计进行了比较．     

广义离散随机线性系统的状态估计新方法

运用Ｂａｙｅｓ动态模型理论［２］讨论了广义离散随机线性系统的状态估计问题，提出了一种既简便又实用的状态估计新方法──线性贝叶斯估计（ＬＢＥ）．     

求解Neumann外问题有限元与边界积分方法的逼近分析

本文用有限元与边界积分方法，给出Neumann外问题的一种新的数值方法，获得了此法的变分方程并证明其适定性,导出逼近解的渐近误差估计．     

随机删矢下半参数回归模型估计的相合性

首先给出ｇ（·）的一类核估计和β的最小二乘估计，然后证明它们具有强相合性．     

LR估计的一点注记

证明了ＬＲ估计是一个非线性有偏估计，并得到了一个重要的推论。     

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．     

回归系数特征根估计在生物学上的应用

与ＬＳ估计相比，回归系数特征根估计消除了为量间的多重共线性关系，可用于预报变量的剔除。对于实验，回归系数ＬＳ估计所建立的预报回归方程为：ｙ＝１３８．０７０９－１．００８７９ｘ１－１．６５８３５ｘ２－１１．１８８５６ｘ３－１６．９７８９８ｘ４而特征根估计所建立的预报回归方程则为：ｙ＝１３７．０９９－０．６９７７６ｘ１－１．７４９３９ｘ２－１０．８８６３２ｘ３－１７．１０２５８ｘ４。     

混合扰动模型中LSE和若干有偏估计的局部影响

研究了线性回归中方差加权和均值漂移混合模型中ＬＳＥ和若干有偏估计的局部影响分析，从基于回归系数无偏估计的似然函数出发，求得回归系数最小二乘估计（ＬＳＥ）在混合扰动下的影响曲率，最大影响曲率和最大曲率方向，对于有偏估计，在后验分布对数似然函数的基础上，求出了这些有偏估计在混合扰动下的影响曲率，最大影响曲率和最大曲率方向。     

带有线性约束的共同回归系数矩阵线性估计的泛可容许性

针对带有线性约束的多元共同均值回归模型，在泛优良性准则下，得到了其共同均值参数矩阵的线性函数的线估计是泛可容许的必要条件，进而给出了在不同的线性约束条件下，Ｈ的泛可容许估计类之间的一种刻划。