矩阵损失下一般Gauss-Markov模型中回归系数的线性MINIMAX估计

设Y是具有均值Xβ和协方差阵σ2V的n维随机向量，Sβ是线性可估函数，这里X，S和V0是已知矩阵，β∈Rp和σ2＞0是未知参数．本文在矩阵损失下研究了线性估计的Minimax性．在适当的假设下，得到了Sβ的唯一线性Minimax估计（有关唯一性在几乎处处意义下理解）．     

一般正态线性模型中可估函数的线性Minimax估计

对于一般正态线性模型y～N(Xβ,σ2V),这里X和V≥0是已知矩阵,β∈Rp和σ2＞0是未知参数,在二次损失下我们研究了可估函数DXβ的线性估计在一切估计类中的Minimax性,得到了DXβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解).     

增长曲线模型中系数矩阵的线性容许Minimax估计

对于生长曲线模型Y＝X_1B_1X_2＋ε，Cov（ε）＝σV，本文分别在某种齐次线性估计类L0和非齐次线性估计类L_1中找到了系数矩阵的线性可估函数KBL的容许Minimax估计，并且证明了这种估计是唯一的．     

二次损失下一般Gauss-Markov模型中可估函数的线性Minimax估计

设Y是具有均值Xβ和协方差阵σ~2V的n维随机向量,Sβ是线性可估函数,这里X,S和V≥0是已知矩阵,β∈R~p和σ~2>0是未知参数。本文在二次损失下研究了线性估计的Minimax性。在适当的假设下,得到了Sβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解)     

一般Gauss-Markov模型中可估函数的线性Minimax估计

设Y是具有均值Xβ和协方差阵σ2V的n维随机向量,Sβ是线性可估函数,这里X,S和V≥0是已知矩阵,β∈Rp和σ2＞0是未知参数.本文分别在给定的矩阵损失和二次损失下研究了线性估计的Minimax性.在适当的假设下,得到了Sβ的唯一线性Minimax估计(有关唯一性在几乎处处意义下理解).     

矩阵损失下随机回归系数和参数的线性Minimax估计

对于一般的随机效应线性模型Y=Xβ+ε,这里β和ε分别是p维和n维的随机向量,且E(βε)=(Aa0),Cov(βε)=σ2(V10 0V2),(Vi≥0,i=1,2)我们定义了Sα+Qβ的线性Minimax估计,在一定条件下得到了Sα+Qβ在线性估计类中的Minimax估计,并在几乎处处意义下证明了它的唯一性.     

污染数据回归分析中估计的强相合性

考虑简单回归模型（Ⅰ）yi＝α＋xiβ＋εi，i＝1，2，…，n，与半参数回归模型（Ⅱ）yi＝xiβ＋g（ti）－εi，i＝1，2，…，n，其中Eεi＝0，Eεi2＝σ12．假定y1，y2，…，yn受到另一独立同分布随机变量序列μ1，μ2，…，μn的污染，且仅能观察到污染数据，｛μi｝与｛yi｝独立．对文[1]，[2]中给出的α，β，g（·）及污染参数v的估计，本文在适当的条件下，证明了它们的强相合性．     

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.     

正态总体中线性可预测变量的Minimax预测

在二次损失下研究了任意秩有限总体中线性可预测变量Ay的线性预测在一切预测类中的Minimax性．对于一般随机效应线性模型y=Xβ ε,(ε^β)-N(0^Ba),σ(W′^U V^W)),这里X,B,U,V和W是已知矩阵,a∈R^k和σ^2＞0是未知参数,文中得到了Ay的惟一Minimax预测。     

不变二次损失下期望向量的线性容许估计

设Y1，Y2，…，Yn独立同分布，EY1＝β,CovY1＝∑,β∈Rp和∑＞0均未知．在不变损失函数（d－β）＇∑－1（d－β）下，我们给出了齐次和非齐次线性估计在各自的类中是β的容许估计的充要条件．     

线性变换对带约束奇异线性模型的条件G—M估计的影响

考虑带约束奇异线性模型Y=Xβ＋ε，Lβ＝0，E（ε）＝0，cov（ε）＝σ~2V，其中V为非负定矩阵，X为任意秩．文章研究了观察向量Y的线性变换对回归系数条件可估函数Sβ的G－M估计的影响，并将条件可估子空间μ（X'L'）划分成Ω＋Ω_＋Ω_2.当μ（S'）Ω时，Sβ的条件G-M估计在模型变化后其优良性不变；当μ（S'）Ω_1时，模型变化后Sβ仍可估，但Sβ的条件G－M估计的方差要变大；当μ（S'）Ω_2时，Sβ不可估．     

对一道例题的讨论

刊登于陕西师大主办的《中学数学教学参考》1996年第12期第27页的例10提出的问题是：已知数列｛an｝是首项a1＞0，公比q＞-1且q≠0的等比数列，设数列{bn}的通项bn＝an＋1-kan＋2（n=1，2，3，...），数列｛an｝、｛bn｝的前n项和分别是Sn、Tn，如果Tn＞ksn对一切自然数n都成立，求实数k的取值范围．我们先来看原文的讲解：当q＞0时，QI＞0，"．Q．＞O，故S。＞0；当一IMqMO时，QIM0，1一qM0，1一q"M0，S＝q！．－J－－－－－uMMO．故当q＞一1，且q＃0时，S。＞0总成立，q-kq'＞k，巨rk（1＋q'）＜q，则kMMMM具一合．～1十q'"Zq…     

成功率的序贯检验与检验后成功率的置信限

设｛Xi，i1｝是一独立同分布随机变量列，q＝p（Xi＝0）＝1-P（Xi＝1）；其中q未知．设｛An：1nn0｝和｛Rn：1nn0｝是任二个数集，它们满足A1A2…An0，0＜R1R2…Rno。，Ai＜Ri（i＝1，…，no-1）和Ano＝Rno。对于假设HO：qq0（0＜q0＜1）我们考虑序贯检验△＝（r，d），其中r＝min｛n：n1，DnAn或DnRn｝：d＝I（Dr≥Rr），这里Dn＝．IA是集A的示性函数，“d＝1”意味着拒绝H0，“d＝0”意味着接受H0，在本文中基于数据（τ，Dr）我们找到了q的某种意义下的最优置性下（上）限．     

相依回归系统回归系数的待定系数估计

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．     

在一般Gauss─Markoff模型下线性变换保最佳线性最小偏倚估计

在一般Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型｛Ｙ，Ｘβ，Ｖ｝下，设Ｆ是一个适当阶矩阵，Ｃ为任意适当维向量，本文找到了ＡＹ是Ｃ＇β的最小偏倚估计的充分必要条件及ＡＹ是Ｃ＇β的最佳线性最小偏倚估计的充要条件．在以概率１意义下，证明了对于所有适当维向量Ｃ，Ｃ＇β的最佳线性最小偏倚估计能被表示成ＦＹ的线性函数的充要条件，且在此条件下，线性变换保最佳线性最小偏倚估计．     

一类半线性抛物型方程组解的blow—up

设是En中的有界域，边界充分光滑，满足内切域条件，n是的单位外法向．研究半线性抛物型方程组的初边值问题的解在有限时间内blow－up的问题．设常数a＞0,a＞-1，β＞-1；且aβ＞1．ci（x，t）＞-0（i＝一1，2）关于x，rHlder连续，uo（x）＞0，vo（x）且uo（x），vo（x）C1（）Bu是u或Bu=且初边值满足相容条件．关于方程组解在有限时间内的blow-up问题，已有不少工作[1-3]，本文用特征函数法研究问题（1）-（4）的解在有限时间内blow-up的条件．定理1问题（1）-（4）存在唯一的非负解.证显然V（x，t）=（）=（0，0）是问题（1）-（4）的…     

多元统计中期望向量的线性容许估计

设Ｙ１，Ｙ２，…，Ｙｎ独立同分布，ＥＹ１＝β，ＣｏｖＹ１＝Σ，这里β∈Ｒｍ与Σ：ｍ×ｍ＞０均未知．取Ｌ１（ｄ，β）＝（ｄ－β）′（ｄ－β），Ｌ２＝（ｄ，β）（ｄ－β）′，Ｌ＝｛Ｌ１Ｙ１＋Ｌ２Ｙ２＋…＋ＬｎＹｎ：Ｌｉ为ｍ阶实方阵，ｉ＝１，２，…，ｎ｝．本文在Ｌ１和Ｌ２下分别给出了线性估计在Ｌ中是β的容许估计的充要条件．     

带有非中心不完全椭球约束的线性模型中线性估计的可容许性

本文研究了线性模型(Y,Xβ,σ2V V≥0)在非中心不完全椭球约束:(β-β0)’N(β-β0)≤σ2,N≥0下椭球中心β0对线性估计的可容许性的影响,证明了对于具有某种结构的β1和β2,线性模型(Y,Xβ,σ2V,V≥0)在非中心不完全椭球约束:(β-β1)’N(β-β1)≤σ2,N≥0与非中心不完全椭球约束:(β-β2)’N(β-β2)≤σ2,N≥0下的可容许线性估计类是相同的．     

分块奇异线性模型及其导出的奇异线性模型间的最小范数二次无偏估计等价性研究

本文考虑一般线性模型A=(y,X1β1 X2β2,σ^2V)及其导出线性模型，其中V是已知的非负定矩阵，X=(X1：X2)是已知的设计矩阵，给出了线性模型A及其导出线性模型间最小范数二次无偏估计间差的表达式，更进一步，建立了线性模型A及其导出线性模型间最小范数二次无偏估计相等的充分必要条件。     

一类线性errors－in－variables模型的参数强相合估计及其a．s．收敛速度

本文讨论了如下一类线性ｅｒｒｏｒｓ－ｉｎ－ｖａｒｉａｂｌｅｓ模型——多元线性结构关系模型β′ｘｋ＋α＝０，ξｋ＝ｘｋ＋εｋ．｛ｋ＝１，２，…，ｎ．其中，｛ｘｋ：ｋ＝１，２，…，ｎ｝为一组ｉ．ｉ．ｄ．的ｍ维随机向量，｛εｋ：ｋ＝１，２，…，ｎ｝是ｉ．ｉ．ｄ．的随机误差，Ｅ（ε１）＝０，Ｖａｒ（ε１）＝σ２Ｉｍ．且｛ｘｋ：ｋ＝１，２，…，ｎ｝与｛εｋ：ｋ＝１，２，…，ｎ｝相互独立．在一些条件下，我们证明了估计量β，α，σ２的强相合性、唯一性，并给出了估计量的收敛速度为ｏ（ｎ－１－１ｑ），这里ｑ∈［１，２）．对于Ｅ（ｘ１）ｕ１和Ｖａｒ（ｘ１）Ｖｘ的估计也得出了同样的结果