多元线性模型回归系数的可容许性

考虑在多元线性模型中回归系数齐次线性估计的可容许性．从统计意义出发给出了四种新的比较准则．在一般多元线性模型下，证明了这些可容许性在齐次线性估计类中并不是一致的，但可把它们分为三个一致类，并得到了各类的容许估计的充要条件．当模型较为特殊时，得到了这些容许性在齐次线性估计类中是一致的结论及其共同的容许估计的充要条件．     

一类分布均值的James-Stein估计的改进

研究了一类分布的均值估计问题．在给定损失函数下,得到了优于两类James—Stein型估计的一类估计．     

变系数线性系统解的新估计及部分变元稳定性

首先用一个分片线性李雅普诺夫函数对变系数线性微分方程组的解给出一个新估计，然后利用新估计式研究了变系数线性系统对部分变元的稳定性，给出了几个简易实用的渐近稳定性判别新准则．     

受约回归系数之线性估计的可容许性

讨论了在二次损失下，带齐线性约束的一般ＧＭ模型回归系数之线性估计的可容许性，并给出了条件线性可估函数之线性估计在线性估计类中可容许性的充要条件     

K－约束二次样条函数的计算方法与余项估计式

本文根据多层壁的温度分布函数的特点，提出Ｋ－约束样条函数的概念．文中给出了Ｋ－约束样条函效的计算方法及余项估计式，利用该估计式分析了多层壁内温度场测试中的最佳测点布置方法．     

某些与星像函数有关的函数类

给出了与星像函数有关的近于凸函数类、近于星函数类和一个解析函数类,并解决了这些函数类的系数估计,偏差性质,增长性质及幅角模的估计等问题,得到了一系列准确的结果。作为这些结果的特殊情形,我们得到了献[1],[2],[3]中的相应定理。     

回归函数核估计的渐近正态性

给出了回归函数向量及相应的核估计向量的定义．并证明了在一定条件下核估计向量具有渐近正态性，从而推广了［１］中的Ｓｃｈｕｓｔｅｒ定理。     

未知二次损失下正态均值的估计

对于正态分布的总体，在未知的二次损失函数下，考虑了其均值的估计问题。在一定条件下，给出了优于Ｊａｍｅｓ－Ｓｔｅｉｎ型估计的一类估计。     

协方差矩阵在非负二次型估计中的可容许性

探讨了在一些特定条件下非负二次型估计类中的可容许性问题，并给出了这些可容许性估计的充要条件．     

Γ分布参数估计的损失函数和风险函数的Bayes推断

在共轭先验分布下本文给出了Γ分布Γ(r,θ)中参数I／θ的估计的损失函数和风险函数不同的Bayes估计,并讨论了各种Bayes估计的性质,进而指出各种Bayes估计的合理性．     

未知源信号个数盲信号分离的半参数统计方法

将半参数统计模型引入源信号个数未知的盲分高中，给出了源信号个数(其值n不大于观测信号的个数m)未知，混合矩阵列满秩时，盲分离半参数统计模型的估计函数，得到了由此估计函数给出的半参数统计学习算法．由于分离模型的任一分离点都是该算法的平衡点，比已有算法有更好收敛稳定性，通过计算机仿真验证了半参数统计学习算法的有效性和良好的收敛稳定性。     

一类Kiesswetter类函数的构造和推广(英文)

连续不可微函数的构造是一个难点,其维数的估计(特别是下界的估计)也是一个难点.本文通过七进位展开式和迭代函数系统构造了一类自分形函数——Kiesswetter类函数,讨论了其分形性质,并进行了推广.最后,探讨了该函数图像的Hausdorff维数,并给出了证明.     

一类混合正态分布的均值估计

考虑一类混合正态分布的均值估计问题，在损失函数为Ｌ（δ，μ）＝（δ－μ）‘×（δ－μ）下，给出了优于Ｊａｍｅｓ－Ｓｔｅｉｎ型估计的一类估计。     

用Liapunov直接方法估计非线性扰动常微分方程的解

用Liapunov函数，对解非线性扰动微分方程的变分方程的基本解矩阵，给出了一种指数估计的存在准则．     

矩形网格节点上的插值函数

构造了两种在具有（ｎ＋１）＾２个节点的矩形网格上的插值函数，并给出了误差估计。     

一类积分算子的性质及凸阶估计

主要研究一类积分算子的性质，并给出了该算子的凸阶估计。     

三维分形树木IFS生成算法

给出了生成单轴分枝和合轴分枝两类树木的递归算法，经过计算机实验得出了单轴分枝和合轴分枝两类树木的IFS码，并进行了正确性证明和真实感加工．     

γ-星函数类的Fekete-Szego不等式

利用星像函数的Fekete-Szego不等式,对γ-星函数类上的系数泛函｜a3-μa22｜作了精确估计,得到了准确的结果,并给出利用Hadamard卷积定义的新函数类上的Fekete-Szego不等式,推广一些作者的结果。     

回归函数核估计的渐近正态性

给出了回归函数向量及相应的核估计微量的定义，并证明了在一定条件下核估计向量具有渐近正态性，从而推广了［１］中的Ｓｃｈｕｓｔｅｒ定理。     

算子半群逼近及收敛速度的几个估计式

借助于算子值数学期望以及概率论方法，得到了Banach空间上指数有界的C半群的概率表示式，进而利用Taylor展开式、Holder不等式及适当的随机变量的矩生成函数估计式等工具，以较为简化的形式给出了C半群概率型逼近及收敛速度的估计式．最后，应用所得到的渐近公式，把C0半群中的一些结果，如Kendall及Chung公式，推广到C半群．