多参数同时估计的容许性

令 X_1,…,X_n 是一串独立随机变量,且 X_1～P_(θ_i)θ_i∈(?)_i,(i=1,2,…,n),假设估计θ_i 的损失函数为 L(θ_i,d_i),δ_i(X_i)是仅依赖 X_i,θ_i 的一个容许估计(i=1,2,…,n).现在我们要同时估计(θ_1,…,θ_n)′(?)θ,其损失函数取为 sum from i=1 to n L(θ_i,d_i),那么(δ_i(X_1),…,δ_n(X_n))′是θ的容许估计吗?早在50年代,Stein 就证明了,在 n≥3,X_i～N(θ_i,1),L(θ_i,d_i)=(θ_i-d_i)~2条件下,上述结论不成立.近20余年,很多作者也研究了这个问题,指出 Stein 的现象对许多分布,例如 Poisson 分布,Gama 分布,负二项分布及位置参数估计皆存在.但在什么条件下,(δ,(X_1),…,δ_n(X))′是容许的则很少研究,仅仅有少数特殊情况下的结果(见[3]).本文给出了相当一般的充分条件(定理1.1),利用定理1.1,研究了 L(θ_i,d_i)=λ(θ_i)(g(θ_i)-d_i)~2时,结论成立的充分条件(定理2.1).还给出了多个位置参数,Pitman 估计为容许的充分条件.最后一节给出了五个具体例子,它包括在平方损失下,多个正态密度及分布函数的容许估计;参数自然区间 为有限区间之指数族分布,在平方损失下,同时估计多个均值的线性容许估计;若 X_i～Poisson 分布 P_(2_i),i=1,2,…,n(a_1x_1,…,a_nx_n)′在损失函数sum from i=1 to n     

带有不完全椭球约束的生长曲线模型中线性估计的可容许性

对于带有不完全椭球约束的生长曲线模型Y=XBZ+ε,ε~(0,σ2VI),X(B-B0)Z′NZ(B-B0)′X′≤σ2In,本文在矩阵损失函数(d-KBL)(d-KBL)′下给出了KBL在类齐次线性估计类LH与非齐次线性估计类LI中可容许的充要条件.本文的结果表明线性估计在非齐次线性估计类中的可容许性与椭球的中心B0无关,而齐次线性估计在齐次线性估计类中的可容许性与B0有关.     

一、二阶矩同时估计的可容许性

考虑模型Y=(y_1,…,y_n)′=(β,…,β)′+(ε_1,…,ε_n)′=1β+ε.(1.1)此处1=(1,…,1)′;ε_1,…,ε_n 相互独立,E(ε_i)=0,E(ε_i~2)=σ~2,E(ε_i~3)=0,E(ε_i~4)=3σ~4,i=1,…,n;-∞<β<∞,0<σ<∞.鉴于 β 的最重要的估计量是观察值 Y 的线性函数,σ~2和 β~2+σ~2的最重要的估计量是 Y 的非负定二次型,在考虑 β 的估计时,首先把注意力集中在 Y 的线性函数上;在考虑σ~2或 β~2+σ~2的估计时,首先考虑 Y 的非负定二次型.参考文献[1]在一般线性模型和二次损失下,给出了回归系数的可估线性函数的估计在线性估计类中是可容许的充要条件.参考文献[2]和[3]在模型(1.1)和平方损失下给出了 σ~2的估计在非负定二次型估计类中是可容许的充要条件;而在一般线性模型和平方损失下,给出了 σ~2的估计在非负定二次型估计类中是可容许的必要条件和充分条件,给出了相当大的一类可容许估计;此外,给     

离散参数空间平方损失下的可容许估计

50年代以来,许多统计工作者对单参数指数分布族中参数的可容许性(平方损失下)作了较多讨论,给出了一些线性和非线性(主要的是有理函数)的可容许估计.这些内容可参看文献[1—8].文献[9—11]分别在前面的基础上给出了在平方损失下关于 L 测度几乎可容许估计的一般性定理.这些文献所讨论的参数空间是实数空间上有限或无限的连续区间.本文将讨论离散参数空间(?)={θ_k:θ_k∈R~1,k=1,2,…}.第二节对离散参数空间在平方损失函数 L(g(θ),d)=λ(θ)(d-g(θ))~2下,给出参数函数 g(θ)的估计是可容许的充分条件,第三节以二项分布与爱尔兰分布为例说明了该定理的应用.     

次序统计量线性函数的非一致Berry—Essen界和强逼近

设 X_1,…,X_n 为(?)d.r.v.序列,X_1～F,以 X_(n1)≤…≤X_(nn)记 X_1,…,X_n 的次序统计量.对定义于[0,1]中的函数 J(x),记(1)为次序统计量的线性函数.本文进一步研究了 T_n 的极限性质,利用周知的 U—统计量的性质,以及经验过程的一些理论,推广[1],[2]的结果到非一致收敛情形,同时完善了[3]的结论且简化了其条件和证明.定理证明基于下述引理。     

关于 U-统计量自助逼近的一点注记

设 X_1,X_2,…,X_n 是来自分布 F 的独立同分布子样,T(X_1,…,X_n;;F)是依赖 X_1,X_2,…,X_n 且与 F 有关的随机变量.又设 F_n 为基于 X_1,X_1,…,X_n 的观察值 x_1,x_2,…x_n 的经验分布函数,而 Y_1,Y_2,…,Y_n 为来自 F_n 的独立同分布子样.所谓自助(bootstrap)法,即是以 T(Y_1,…,Y_n;F_n)在 F_n 下的分布去估计 T(X_1,…,X_n;F)在 F 下的分布.Bickol 与Freedman 在[1]中讨论了 U-统计量自助逼近的可能性.设 h(x,y)为关于变元对称的 Borel     

向量损失函数下线性模型中参数估计的容许性

本文讨论了向量损失函数下参数估计的可容许与在常用损失函数下可容许之间的关系 ,并研究了在一元线性模型、多元线性模型中参数估计在特定估计类及一切估计类中的可容许性 ,给出了估计可容许的一些充要条件和充分条件 .     

矩阵损失下约束线性模型中回归系数的线性可容许估计

考虑约束线性模型Mr={Y,Xβ,σ2V|Rβ=r}其中x列满秩,V为正定矩阵.在二次损失下,Baksalary. J. K和Markiewicz,A得到了回归系教β的线性估计在非齐次线性估计类中可容许的充分必要条件,利用吴启光在无约束线性模型关于回归系数线性可容许估计的结果,对约束线性模型Mr我们得到结果如下在矩阵损失下回归系数β的线性估计AY+g在非齐次线性估计类中可容许当且仅当[i]XAV对称;[ii]R(A) R(U) [iii]AXU=U,g=(AX-I)R+r或AXU≠U时,有r(AX) (-∞,0)∪(1,+∞).其中R(U)=N(R),U为列正交矩阵.     

线性M-回归的Bootstrap逼近

<正> 在讨论某些估计的误差的统计特性时,Efron在[1]中提出了一种Bootstrap方法.设X_1,…,X_n是F的一组独立同分布样本,F_n是对应的经验分布函数,又设X_1,…,X_m是按F_n的重新抽样.我们所关心的是量R(X_1,…,X_n;F)的统计特性,其中R既     

多元线性模型中回归系数的线性可容许估计

基于Zellner的平衡损失的思想,本文提出了矩阵形式的平衡损失函数,并在该损失函数下讨论了多元回归系数线性估计的可容许性.给出了六种不同形式的可容许定义,证明了这六种容许性在齐次和非齐次线性估计类中是一致的,且得到了其共同的可容许估计的充要条件.     

矩阵损失函数下回归系数矩阵的非齐次线性估计的可容许性

在二次矩阵损失函数下研究了协方差矩阵未知的多元线性模型中回归系数矩阵的可估线性函数的矩阵非齐次线性估计的可容许性,给出了矩阵非齐次线性估计在线性估计类中可容许的一个充要条件.     

General admissibility for linear estimators in a general multivariate linear model under balanced loss function

A generalization of Zellner’s balanced loss function is proposed. General admissibility in a general multivariate linear model is investigated under the generalized balanced loss function. And the sufficient and necessary conditions for linear estimators to be generally admissible in classes of homogeneous and nonhomogeneous linear estimators are given, respectively.     

线性混合效应模型中方差分量的估计

本文首先研究了含三个方差分量的线性混合随机效应模型改进的ANOVA估计, 此估计在均方损失下一致优于ANOVA估计. 由于这些方差估计取负值的概率大于零, 对得到的估计在某非负点采用截尾的方法得到非负估计是一种常用的方法. 对文章中提出的估计, 研究了此估计在某非负点截尾之后得到的估计在均方损失意义下优于截尾之前的估计的充分条件, 同时给出ANOVA估计在截尾之后优于它本身的充分条件, 而且将得到的结论推广到更一般的线性混合随机效应模型.     

方差分量的改进估计

本文研究一类方差分量模型中方差分量的改进估计问题,对单向分类随机模型的对应于随机效应的方差分量,我们研究了一个不变估计类,它包含了一些常用重要估计。证明了在均方误差准则下,在该估计类中不存在一致最优不变估计,且方差分析估计是不容许估计。在一个重要子估计类中,找到了一致最优估计。对于较一般的含两个方差分量的混合模型,我们研究了一个非负估计类的性质,给出了它们的分布,并建立了它们优于方差分析估计的充分     

带有不等式约束的生长曲线模型中回归系数线性估计的泛容许性

对于带有不等式约束的生长曲线模型：Y=XBZ＋ε，ε^→～（0，σ^2V×I），tr（NB）≥0，本文在矩阵损失函数（d—KBL）（d—KBL）＇下，给出了可估函数KBL的线性估计的泛（西）容许性定义，分别得到了DYF和DYF＋C在齐次估计类LH和非齐次估计类LI中是KBL的泛容许性估计的充要条件．     

有约束错误指定模型下的优化问题

文［１］ 利用文［3］的结果证明了一般有约束线性模型下参数的最优估计的方差协方差阵与有约束错误指定模型下最优估计的方差协方差阵间差是非负定的充分条件［２］也是必要的。更进一步，文［4］将［1］中的定理1推广到奇异线性模型上。该文的主要目的是证明了［２］的猜想在奇异线性模型中也是正确的，同时，推广了［１］中的定理2。     

Statistical Inference in a Linear Model for Spatially Located Sensors and Random Input

In the paper we consider a random linear model for observations provided by spatially located sensors measuring signals coming from one source. For this model a set of sufficient and complete statistics are found, and it is shown that the maximum likelihood estimators of unknown parameters (characteristics of the source) are functions of those statistics. The problem of nonnegative estimators of variance components of the model is shortly discussed. Comparisons of the mean squared errors of several estimators are given. Numerical example concerning hunting for defects in solar cells is considered in details.     

Minimax estimator of regression coefficient in normal distribution under balanced loss function

This article investigates linear minimax estimators of regression coefficient in a linear model with an assumption that the underlying distribution is a normal one with a nonnegative definite covariance matrix under a balanced loss function. Some linear minimax estimators of regression coefficient in the class of all estimators are obtained. The result shows that the linear minimax estimators are unique under some conditions.     

非齐次马尔科夫链遍历性的一些结果

本文利用两个非齐次马尔科夫链的转移矩阵列的比较，讨论了两个链启遍历性的关系，得到一个非齐次马尔科夫链是强遍历的一些充分条件．本文还分析了非齐次马尔科夫链的一致强、弱遍历性的关系，得到一个非齐次马尔科夫链是一致强遍历的一些充分条件．