任意秩有限总体中无偏预测和估计的构造关系

研究了有限总体均值向量的无偏估计和线性可预测变量的无偏预测之间的关系,利用分块矩阵广义逆直接对加权风险函数进行分解,提出了一种由均值向量的无偏估计来构造无偏预测的新方法,并找到了它们之间的构造关系.特别地,线性可预测变量的最优线性无偏预测(BLUP)可由均值向量的最佳线性无偏估计(BLUE)惟一地表示(有关惟一性在几乎处处意义下理解).     

有限总体中基于广义Liu 估计的预测及其小样本性质

在有限总体中提出了一类基于广义Liu估计的新的预测,得到了基于广义Liu估计的预测在预测均方误差意义下优于最优线性无偏预测的充要条件,并通过实例对理论成果进行了进一步的说明.     

线性等式约束下有限总体中的最优预测

本研究了带线性等式的约束条件的有限总体中的最优预测问题,给出了条件可预测变量和条件最优线性无偏测的定义,得到了条件可预测变量的所有条件最优线性无偏预测,并证明了它在几乎处处意义下的唯一性。     

有限总体中的最优预测

研究了有限总体中的最优预测问题,在一般Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下得到了线性可预测变量的最优线性无偏预测,特别地,考虑了一类特殊的预测函数：ｂ－线性预测函数。     

加权平衡损失函数下回归系数的最佳线性无偏估计

这篇文章我们研究了回归系数的最佳线性无偏估计. 在加权平衡损失函数下, 我们得到了回归系数的最佳线性无偏估计. 同时提出了度量最佳线性无偏估计和最小二乘估计的相对效率. 并且我们给出了它们的上下界.     

两个线性模型间最优线性无偏预测的等价性

设M1和M2是两个带有预测量的线性模型,通过使用矩阵秩方法,本文给出了模型M1下预测量的最优线性无偏预测同时也是模型M2下的最优线性无偏预测的充分必要条件.作为这个结果的应用,我们给出了两个线性混合模型间最优线性无偏预测等价性的充分必要条件.     

多元线性模型中两类预测的最优性判别

在一般多元线性模型中就基于岭估计的预测量与最优线性无偏预测量的最优性判别问题进行了讨论,得到了基于岭估计的预测量在矩阵迹意义下优于最优线性无偏预测量的充要条件.     

基于低记录值的Ⅰ型GLD的统计推断

记录值在天气、经济和体育数据中有重要的应用。本文研究了GLD的低记录值的矩、方差和协方差,构成均值向量α和协方差阵Σ;并由此对GLD的位置参数和尺度参数进行最佳线性无偏估计;利用广义线性模型得到GLD的低记录值最佳线性无偏预测;利用蒙特卡洛模拟显示:样本量不同且形状参数b取不同值时,低记录值的参数估计和预测效果较好,其偏差和均方误差都较小,说明此方法实用且有效。     

线性模型参数向量的近似贝叶斯估计

用线性贝叶斯方法去同时估计线性模型中回归系数和误差方差,并在不知道先验分布具体形式的情况下,得到了线性贝叶斯估计的表达式.在均方误差矩阵准则下,证明了其优于最小二乘估计和极大似然估计.与利用MCMC算法得到的贝叶斯估计相比,线性贝叶斯估计具有显式表达式并且更方便使用.对于几种不同的先验分布,数值模拟结果表明线性贝叶斯估...     

具有相关误差的多元线性模型的更新方程

已知的线性模型的更新方程是在对模型加了不相关误差结构的约束, 或只对带有固定参数的一元线性模型考虑的. 本文考虑具有相关误差的多元线性模型下的更新方程, 给出了在补充参数, 数据或指标时, 未知参数阵的最佳线性无偏估计及残积阵的更新方程. 公式适用于固定参数与随机参数两种情形.     

利用样本分位数的Logistic总体分布参数的近似最佳线性无偏估计

Harter H_L.,Balakrishnan N.等先后讨论了Logistic总体分布参数的极大似然估计,近似极大似然估计;其后Ogawa J.,Lloyd E.H.,Kulldorff G.,Gupta S.S,及chan L.K. 等又先后讨论了Logistlic分布参数的最佳线性无偏估计及估计的相对效率等问题.令人遗憾的是:在大样本情形下,上述估计均难以求得.为缓解这一困难,本文讨论利用样本分位数的Logistic总体的近似最佳线性无偏估计,给出估计量的大样本性质,以及样本分位数不超过10情形下,估计量有渐近最大相对估计效率时样本分位数的选取方案等.     

增长曲线模型中两个最优线性预测

对一般增长曲线模型中一类线性可预测变量KY0L和φ-可预测变量的最优预测进行了研究，在一定条件下分别得到了最优线性无偏预测和最优φ-线性无偏预测，并证明了它们在几乎处处意义下的唯一性．     

不等式约束条件下部分线性回归模型的参数估计

本文研究了不等式约束条件下部分线性回归模型的参数估计问题，利用最优化方法和贝叶斯方法，给出了不等式约束条件下部分线性回归模型的最小二乘核估计和最佳贝叶斯估计，并且证明了在一定条件下，带约束条件的最小二乘核估计在均方误差意义下要优于无约束条件的最小二乘核估计。     

一般线性混合模型中的最佳线性无偏估计和谱分解估计

该文在一般线性混合模型中, 研究了固定和随机效应线性组合的估计问题.对观测向量的协方差阵可以为奇异矩阵情形下,导出了该组合的最佳线性无偏估计,并证明了它的唯一性.在一般线性混合模型的特例, 三个小域模型下, 得到了小域均值u_i 和方差分量的谱分解估计. 进而, 获得了基于谱分解估计的两步估计均方误差的二阶逼近.     

受约束回归模型参数的统一几乎无偏估计

考虑实际回归问题中存在更多受约束条件的情况,提出了带约束的统一几乎无偏估计类,统一了常见的具有线性约束的回归模型的几乎无偏估计,进一步的研究给出了在均方误差和均方误差矩阵意义下,带约束的统一几乎无偏估计优于一般带约束的最小二乘估计的充分条件和椭球范围.     

广义矩阵分布下多元回归模型的贝叶斯推断

考虑具有奇异矩阵椭球等高分布误差的多元线性回归模型的贝叶斯统计推断,在非信息先验下得到了系数矩阵关于Hausdorff测度的后验边缘分布和未来观察值的预测分布,并得到了一类特殊奇异矩阵椭球等高分布下误差协方差矩阵的后验边缘分布.对于具有奇异矩阵正态分布误差的多元线性回归模型,在广义正态-逆Wishart共轭先验下得到了类似的后验边缘分布和预测分布结果.在上述两种先验分布下,回归系数矩阵的后验边缘分布和预测分布是双奇异矩阵t分布,这种分布具有关于Hausdorff测度的精确密度.结果表明,在非信息先验下,回归系数矩阵的后验边缘分布和未来观察值的预测分布在奇异矩阵椭球等高分布类中具有稳健性.     

关于可靠性生存寿命分析中几类重要截尾分布函数参数的最佳有效无偏估计

在给出了可靠性生存寿命分析几类重要随机截尾分布函数的基础上,讨论了寿命分布函数参数的最佳有效无偏估计,为解决可靠性生存寿命分析以及通讯工程和电力负载预测中的最佳无偏误差估计问题提供了令人满意的可靠依据和有效算法．     

平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.     

Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．     

一类线性模型中Bayes估计的优良性

本文研究了一类线性模型中参数的Bayes线性无偏估计的优良性.利用矩阵论的相关知识,分别在平衡损失准则和均方误差阵准则下,得到了Bayes线性无偏估计优于广义最小二乘估计的条件.