M-估计下误差密度核估计的收敛速度

讨论了一个线性模型的基于残差做出的误差密度核估计的收敛速度．     

半参数回归模型中深度加权小波估计的收敛速度

在已有半参数回归模型研究的基础上,研究了一类固定设计下半参数回归模型的参数分量和非参数分量的估计。在误差是收敛系统时,运用数据深度加权技术,得到了半参数回归模型的深度加权小波估计,从而将独立误差情形推广到了收敛系统情形,并证明了该估计的收敛速度。     

线性回归模型的一种新估计

为了解决最小二乘估计的设计矩阵之列向量间存在近似线性关系时而出现的性质不稳定,结合广义岭估计,用均方误差矩阵的方法,给出了一种新的有偏估计K-d型估计,并讨论了它的性质,得出两个主要结论.     

两类误差下回归函数估计的收敛速度

在收敛系统和混合序列情形下,研究了固定设计下非参数回归模型中的回归函数估计。在误差为收敛系统时,得到了较弱矩条件下该估计的收敛速度;在误差为同分布混合序列时,得到了该估计的收敛速度。     

线性回归模型参数的变点检验

线性回归模型随应用环境的改变其模型的参数有可能发生变化,因此有必要对模型的参数进行检验与分析.对于误差项不一定服从正态分布的线性回归模型,通过使用前后样本最小二乘估计量之差的适当权数,获得了变点检验统计量及其渐进分布.     

部分线性EV回归模型中的极大经验似然估计

针对带有协变量误差的部分线性回归模型的估计问题,利用经验似然方法,在一定条件下,证明了所得到的未知参数的极大经验似然估计具有渐近正态性.同时获得了非参数估计的最优收敛速度O_P(n^-1/3).     

方差分量模型参数经验Bayes估计收敛性

构造了误差正态的方差分量模型参数的经验Ｂａｙｅｓ估计，定义了逆拉直运算，利用作者自己曾经证明的多参数指数族ＥＢ估计收敛结果，证明了所构造的经验Ｂａｙｅｓ估计的收敛性     

均匀分布族参数的经验Bayes估计

在均匀分布场合,文献“均匀分布族参数在绝对误差损失下的渐最优经验Ｂａｙｅｓ估计”构造了一类地值损失下的经验Ｂａｙｅｓ估计,并证明了它的渐近最优性。     

线性回归模型参数的贝叶斯区间估计

利用贝叶斯统计推断方法 ,给出了正态线性回归模型Y =Xβ e未知参数 (回归系数和误差方差 )的后验置信概率 1 -α的区间估计。     

线性经验Bayes估计的渐近性质

本文讨论了线性Bayes估计和线性经验Bayes估计的若干性质。在适当条件下,证得了线性经验Bayes估计和它的条件Bayes风险的精确渐近结构。最后,通过实例研究了线性Bayes估计和一般Bayes估计。     

NA样本下Weibull分布族参数的经验贝叶斯估计

在NA样本下研究Weibull分布参数的经验Bayes估计．利用核估计方法构造了参数的经验Bayes估计,在平方损失下获得了该估计的收敛速度,并证明了收敛速度的阶可以任意接近于1／2．最后给出例子,说明了定理条件的合理性．     

增长曲线模型回归系数的线性经验 Bayes 估计

给出了增长曲线模型参数矩阵的线性经验Ｂａｙｅｓ估计，同时得到了它的渐近最优的收敛速度．     

多元线性回归的Bayes假设检验

对于多元线性回归模型:Y=Xβ e,e～Nn(0,σ2In),本文首先讨论了在两种不同先验分布下β的后验密度,其次利用后验密度定义了Rp与其子集上的最大后验密度比,最后作了两个方面的假设检验:①回归方程的显著性检验,HO:β1=β2=…=βp-1=0;②回归系数的显著性检验,H1:βi=0(I=1,2,…,p-1).     

最好多项母体的渐近最优经验贝叶斯选择规则

根据Ｇｉｎｉ－Ｓｉｍｐｓｏｎ指标，在一般的先验分布的情况下，采用离散母体密度函数的加权核估计的方法，研究了最好多项母体的经验贝叶斯选择规则及渐近最优性，并获得了经验贝叶斯风险收敛到贝叶斯风险的收敛速度为Ｏ（１／ｎ）。     

方差分量模型中回归系数的线性Bayes估计

本文研究了方差分量模型中在平方和损失函数和矩阵损失函数下回归系数的线性Ｂａｙｅｓ估计。