简介：引入半群上模糊理想、模糊同余的概念.给出它们的一些等价刻划.证明了一个半群上所有模糊同余关系作成一个格.最后,给出模糊理想的积和模糊同余关系的积的概念,讨论了它们的一些性质.

简介：对于两个相依线性回归方程组成的系统(1．1)，本文提出了β1的待定系数估计β^*1（k，c)=（x′1x1+k1)^-1(x′1y1-cσ12/σ22x′1N2y2)，其中岭参数k≥0．c是待定系数．与β^*1(k，c)对应的非限定两步估计记为β^41(T，k，c)．当c=1时β^*1(k,1)=β1(k)和β^*1(T,k,1)=β1(T,k)等干[6]引入的一双有偏估计，结果表明总可以选取适当的c值和k值使β^*1(k，c)和β^*1(T,k，c)在均方误差阵准则下分别优于β1和β1(T)，并讨论了c值的最佳选择问题．

简介：运用模糊数学理论与多目标决策模糊优化方法，在不考虑应聘人员的意愿及在考虑应聘人员意愿和用人部门的希望要求的情况下，择优按需录用．分别建立相应的模型．其结果令人满意，具有较强的可靠性和适用性．

简介：本文考虑一类连续系统具有模糊初始状态，运用文［１］中的模糊仿真原理，求得该系统的数值解．

简介：首先,提出了基于Kmeans算法的非等分论域划分方法.其次,针对传统数据模糊化存在的不足,对数据模糊化方法进行了改进.最后,将模型应用于对上海市消费价格总指数的预测,并通过与现有方法进行对比,验证了模型的有效性.

简介：为了研究强跟踪性,本文给出了强链回归集的定义.证明了:若度量空间上的一个连续自映射有强跟踪性,则其强链回归集与极限集相同.

简介：应用SAS／STAT估计非线性回归模型中的参数．首先，通过变量代换，把可以线性化的非线性回归模型化为线性回归模型，并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型．其次，通过改良的高斯一牛顿迭代法来估计Logistic模型和Compertz模型中的参数．

简介：分析了模糊集贴近度理论,得到模糊集贴近度表示的几种形式,为贴近度的实际应用提供了极大的方便.

简介：本文运用模糊仿真技术中的近似推理方法和差分原理，求解具有模糊不确定性时的二阶微分方程的边值问题．

简介：对于一类相依线性回归系统，本文提出了一种泛岭改进估计，并讨论了这种估计及相应的两步估计的优良性质，获得了若干深入的结果。

简介：本文把点集拓扑学中的C·T·Yang定理推广到模糊拓扑学中，并且获得了一些其它新的结果。

简介：考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．

简介：本文用灰色关联系数来求解隶属度，提出一种类别标准已确定的综合评判模型与方法，并用于系统的排序分析．

简介：本文讨论了二阶微分方程（常系数或变系数）当其初始状态具有模型不确定性时，运用模糊近似推理规则，求其数值解的方法。

简介：本文应用模糊数学理论，对城镇在区域经济发展中的地位进行了定量的综合评价研究，文中的实例分析表明该模型的建立与应用是有效可行的．

简介：在非线性回归模型中,拟得分函数是一类线性无偏估计函数中的最优者(GodambeandHeyde(1987),朱仲义(1996)),而由拟得分函数得到的拟似然估计在由线性无偏估计函数得到的估计类中具有渐近最优性(林路(1999)).本文则研究非线性回归模型中的有偏估计函数理论,构造了参数的约束拟似然估计,得到了约束拟似然的局部最优性,局部改进了拟似然估计,从而扩充了线性模型中的有偏估计理论.

简介：股票投资是一种重要且先进的投资方式，与其相关的预测已经成为经济领域的研究热点，它不仅是评估投资价值的主要途径而且也对作出正确的股票投资决策具有重要意义。投资风险、收益的预测是股票投资预测的基础、起点。因此，投资风险、收益的准确预测对股票投资分析工作是非常重要的。本文结合相关理论，利用数学和财管的专业知识对股票投资的风险和收益进行了预测，通过线性回归分析方法估计β，进而对资本资产定价模型进行定性分析。根据搜集的变量数据，比较准确的预测了股票投资风险和收益，是对股票投资定量分析的一种尝试。利用模型实证分析，可对投资决策进行科学理性的选择。

简介：香港，回到祖国母亲的怀抱——庆祝香港回归情思戈缨七月一日的香港处处张灯结彩，你在亿万欢声笑语中扑进久别祖国母亲的情怀；你在雄壮的国歌声中昂首阔步，以新的雄姿扬名世界！呵，一九九七年七月一日，是你难忘的光辉一页，三万六千个日日夜夜母亲的呼唤，声声期盼你...

简介：利用正交变换法，给出一元线性回归假设检验定理的一种直接证明．这种证明方法可供在数理统计教学中作参考．

简介：考虑半参数回归模型Y(j)(xin,tin)=tinβ+g(xin)+e(j)(xin),1≤j≤m,1≤i≤n.利用最小二乘法和权函数估计方法,定义β,g的估计量βm,n和gm,n(x),在负相依样本及较弱的条件下证明了这些估计的强相合性,得到了与独立情形一致的结论.