国家自然科学基金(11201005) 作品数:13 被引量:7 H指数:1 相关作者: 何道江 王翠莲 许凯 贺磊 刘晓 更多>> 相关机构: 安徽师范大学 上海财经大学 上海师范大学 更多>> 发文基金: 国家自然科学基金 安徽省自然科学基金 全国统计科学研究计划重点项目 更多>> 相关领域: 理学 文化科学 建筑科学 更多>>
非线性扰动偏微分方程混合边值问题的可解性(英文) 2013年 研究具有混合边界条件的非线性扰动偏微分摄动方程的可解性.得到原问题的摄动解并证明解的展开式的一致有效性. 周在莹 莫嘉琪关键词:椭圆型方程 可解性 多元线性模型中回归系数矩阵的可估函数和协方差阵的同时Bayes估计及优良性 2017年 本文研究了在设计阵非列满秩情况下多元线性模型的Bayes估计问题.假定回归系数矩阵和协方差阵具有正态-逆Wishart先验分布,运用Bayes理论导出了回归系数矩阵的可估函数和协方差阵的同时Bayes估计.然后在Bayes Mean Square Error(BMSE)准则和Bayes Mean Square Error Matrix(BMSEM)准则下,证明了可估函数和协方差阵的Bayes估计优于广义最小二乘(Generalized Least Square,GLS)估计.另外,在Bayes Pitman Closeness(BPC)准则下研究了可估函数的Bayes估计的优良性.最后,进行了Monte Carlo模拟研究,进一步验证了理论结果. 贺磊 徐静关键词:可估函数 编码技巧在统计学教学中的运用 2014年 在统计计算中使用编码技巧能有效地降低计算的难度。讨论了编码技巧在计算样本方差和数据的正态性拟合优度检验中的运用,并通过两个实例验证了编码技巧在统计计算中的优势。 王翠莲 刘晓关键词:样本方差 拟合优度检验 线性模型参数一类新的s-K估计 被引量:1 2014年 基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件. 吴燕 何道江关键词:最小二乘估计 岭估计 STEIN估计 具有一般协方差结构的增长曲线模型的reference先验(英文) 2014年 Reference分析最早由Bernardo(1979)提出的,Berger和Bernardo(1992a)做了进一步的发展.而Berger等(2001)提出了一个获得精确reference先验的方法,它已经成为获取无信息先验的最成功的方法之一.本文基于Berger等(2001)所提出的的算法,研究了具有一般协方差结构的增长曲线模型的reference先验.同时,给出了相应结果的一些应用. 何道江 许凯关键词:线性混合模型 组内相关系数 正态-逆Gamma先验下线性模型中回归系数和误差方差Bayes估计的改进 被引量:1 2014年 在正态-逆Gamma先验下,研究线性模型中回归系数和误差方差Bayes估计的优良性,改进了已有的结果,去掉了附加条件.在Pitman准则下,证明回归系数的Bayes估计优于最小二乘估计(LSE),并讨论误差方差的Bayes估计在均方误差准则下相对于LSE的优良性.最后进行Monte Carlo模拟研究,进一步验证了理论结果. 许凯 何道江关键词:BAYES估计 最小二乘估计 BAYES PITMAN准则 具有混合指数索赔分布的经典复合泊松风险模型中的分红问题(英文) 被引量:1 2015年 本文研究了具有某混合指数索赔分布的经典复合泊松风险模型中的分红问题.利用随机控制理论,在无界分红强度的假设下,给出了值函数的显式表达式和相应的最优分红策略.推广了文献[4]的结果. 王翠莲关键词:分红 混合指数分布 HJB方程 有缺失数据的条件独立正态母体中参数的最优同变估计 2016年 在缺失数据机制是可忽略的假设下,导出了有单调缺失数据的条件独立正态模型中协方差阵和精度阵的Cholesky分解的最大似然估计和无偏估计.通过引入一类特殊的变换群并在更广义的损失下,获得了其最优同变估计.这表明最大似然估计和无偏估计是非容许的.最后,通过数值模拟验证了相关结果的有效性. 许凯 何道江关键词:CHOLESKY分解 同变估计 带投资和周期分红的布朗运动模型中的分红问题 2015年 假设分红只发生在一些随机的观测时间且按照障碍策略进行分红,得到了破产前折现分红随机变量的矩母函数、n阶矩函数和破产时间Laplace变换满足的微分方程,也得到了期望破产前折现分红和破产时间Laplace变换的显式表达式。 王翠莲 刘晓关键词:分红 LAPLACE变换 非正常分层先验下多元线性模型中后验的正常性(英文) 2017年 在Bayes分析中,MCMC算法是一个简单且行之有效的计算后验的方法.但是,有时在非正常后验下得到的Markov链也可能表现出似乎收敛的特征,这将会导致不正确的统计推断.为此,本文给出了在多元线性模型中利用非正常分层先验得到正常后验所需满足的充要条件.此外,使用Gibbs方法和MetropolisHasting方法来进行后验抽样,并通过随机模拟说明了正常后验理论结果的重要性. 贺磊 何道江关键词:GIBBS抽样