拟似然非线性模型中的置信域：几何法

对拟似然非线性模型在欧氏内积实间建立了修改的Ｂａｔｅｓ＆Ｗａｔｔｓ几何结构，基于此几何结构，导出了参数和子集系数的与统计曲率有关的三种近似置信域，进一步推广和发展了Ｈａｍｉｌｔｏｎ ｅｔ ａｌ．（１９８２）。Ｈａｍｉｌｔｏｎ（１９８６）和Ｗｅｉ（１９９４，１９９８）等人的相应结果。     

含不可忽略缺失数据非线性再生散度模型参数的Bayes估计

给出协变量带有不可忽略缺失数据的非线性再生散度模型的Bayes方法,缺失数据机制由Logistic回归模型来确定.Gibbs抽样技术和Metropolis-Hastings算法(简称MH算法)用来得到模型参数、缺失数据机制中回归系数的联合Bayes估计,并用实例加以说明.     

非线性再生散度随机效应模型的极大似然估计及随机逼近算法

非线性再生散度随机效应模型包括了非线性随机效应模型和指数族非线性随机效应模型等．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(简称MH) 算法,提出了模型参数极大似然估计的随机逼近算法．模拟研究和实例分析表明了该算法的可行性．