协方差的非齐次估计的可容许性

本文研究协方差的非齐次二次估计的可容许性,在平方损失下,我们给出了一个非齐次二次估计在非齐次二次估计类中是协方差的容许估计的充要条件.     

方差分量的非负二次同时估计的可容许性

设方差分量模型，其中β∈为未知参数，Ｘ已知，Ｖ１≥０，Ｖ２≥０为已知的非负定矩阵．文［１］在一定的条件下给出了非负二次估计可容许的一个充分必要条件．但必要条件是在ｘ＝Ｉｎ（单位矩阵），Ｖ１＝Ｖ２＞０的条件下给出的，由于这些限制使必要条件不理想．本文去掉了这些限制，对一般的方差分量模型，给出了与文［１］中一样的必要条件，同时也研究了非齐次二次估计的可容许性．     

许—模型下误差方差的可容许估计

本文讨论了在许－模型下非负二次估计类中误差方差的可容许估计的条件。     

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.     

多元线性模型中回归系数矩阵非齐次线性估计的可容许性

该文研究了协方差矩阵未知的多元线性模型中,二次矩阵损失函数下回归系数矩阵可估线性函数的非齐次线性估计的可容许性.不需正态分布的假设,作者给出矩阵非齐次线性估计在线性估计类中可容许的充要条件;在正态分布的假设下,作者给出矩阵非齐次线性估计在一切估计组成的估计类中可容许的充分条件.     

具有P个方差分量的线性模型的Beyes二次估计及可容许估计的非负性

本文对具有 p 个方差分量的线性模型讨论了方差分量线性函数的 Bayes 不变二次估计问题,给出了 Bayes 不变二次估计(无偏和有偏)的显示表达式,并且证明了它们在各自考虑的类中形成了可容许估计的完全类.在可容许估计的完全类中,还讨论了非负参数函数的非负估计问题,给出了可容许的非负定估计存在的充要条件.     

不等式约束下线性模型中线性估计的可容许性

研究了线性模型在不等式约束条件下齐次和非齐次线性估计的可容许性,刻画了两者之间的关系,得到了不等式约束条件下非齐次线性估计可容许性的充要条件．     

不等式约束下线性模型中线性估计的可容许性

本文研究了带有不等式约束的多指标线性模型中线性估计的可容许性.利用矩阵论的相关知识,在矩阵损失下得到了齐次线性估计在齐次线性估计类中是可容许的充要条件,以及非齐次线性估计在非齐次线性估计类中是可容许的若干条件,推广了不等式约束下可容许性的相关结果.     

二阶原点矩的二次型估计的可容许性

§1.引言 估计的可容许性是近年来受到较多注意的一个方面。但要证明或否定一个估计的可容许性,并无一般适用的简单方法。关于独立等均值样本的二阶原点矩的可容许估计问题,还很少见到讨论。 许宝騄先生在研究线性模型误差方差的估计时,他考虑了如下的估计类Q:a)二次的,b)无偏的,c)Q中估计的方差与回归系数无关。他得到了一个估计在这类估计中具有一致最小方差的充要条件。后来Rao把条件c)改为非负定的。许宝騄及     

协方差的二次型容许估计

本文研究方差的二次型估计的容许性,在平方损失下,我们给出了一个二次型估计在二次型估计类中是协方差的容许估计的充要条件。     

ADMISSIBILITY OF LINEAR ESTIMATORS IN A GROWTH CURVE MODEL SUBJECT TO AN INCOMPLETE ELLIPSOIDAL RESTRICTION

This article considers the admissibility of the linear estimators for the regression coefficients in the growth curve model subject to an incomplete ellipsoidal restriction. The necessary and sufficient conditions for linear estimators to be admissible in classes of the homogeneous and non-homogeneous linear estimators, respectively, are obtained under the quadratic loss function. They are generalizations of some existing results in literature.     

Some modifications of improved estimators of a normal variance

Consider the problem of estimating a normal variance based on a random sample when the mean is unknown. Scale equivariant estimators which improve upon the best scale and translation equivariant one have been proposed by several authors for various loss functions including quadratic loss. However, at least for quadratic loss function, improvement is not much. Herein, some methods are proposed to construct improving estimators which are not scale equivariant and are expected to be considerably better when the true variance value is close to the specified one. The idea behind the methods is to modify improving equivariant shrinkage estimators, so that the resulting ones shrink little when the usual estimate is less than the specified value and shrink much more otherwise. Sufficient conditions are given for the estimators to dominate the best scale and translation equivariant rule under the quadratic loss and the entropy loss. Further, some results of a Monte Carlo experiment are reported which show the significant improvements by the proposed estimators.     

方差分量的二次不变估计的非负改进

研究一类方差分量模型中的方差分量的估计改进问题,首先在含两个方差分量模型中给出σ21二次型估计类,并且此估计类还具有无偏性和不变性.考虑二次损失(δ-θ)2,在此估计类基础上放弃无偏性进行非负改进,不仅得到优于二次不变无偏估计类的σ21的非负二次不变估计类,而且还说明了它优于方差分析估计和最小均方误差估计,文献[5]中给出s>2时的非负改进,但是非负改进存在是有条件的,本文克服了这个缺陷.最后给出了非负改进存在的充分必要条件.     

平衡随机模型中方差分量的非负估计

众所周知, 对于平衡随机模型, 方差分量的方差分析估计为一致最小方差无偏估计. 本文基于方差分量的方差分析估计, 构造了一个二次不变估计类, 它包含了一些常用重要估计. 证明了该估计类在一定条件下在均方误差意义下一致优于方差分析估计, 并在此估计类基础上, 给出了方差分量的两种非负估计, 它们在均方误差意义下分别一致优于方差分析估计和限制极大似然估计, 且有显式解、容易计算.     

Generalized variance estimators in the multivariate gamma models

It is already known that the uniformly minimum variance unbiased (UMVU) estimator of the generalized variance always exists for any natural exponential family. However, in practice, this estimator is often difficult to obtain. This paper provides explicit forms of the UMVU estimators for the bivariate and symmetric multivariate gamma models, which are diagonal quadratic exponential families. For the non-independent multivariate gamma models, it is shown that the UMVU and the maximum likelihood estimators are not proportional.      

随机效应模型中方差分量渐近最优的经验Bayes估计

本文在加权二次损失下导出了双向分类随机效应模型中方差分量的Bayes估计,并利用多元密度函数及其混合偏导数核估计的方法构造了方差分量的经验Bayes(EB)估计.在适当的条件下证明了EB估计的渐近最优性,给出了模型的特例和推广.最后,举出一个满足定理条件的例子.     

Estimateurs de la variance généralisée pour des familles exponentielles non gaussiennes

Within the framework of the non-Gaussian natural exponential families, we construct two UMVU estimators of the generalized variance according to whether the distribution is infinitely divisible or not. This result improves Kokonendji and Seshadri [5] and we can calculate their variance for the simple quadratic families. The multinomial and Poisson-Gaussian cases are studied.     

平衡线性混合模型方差分量几种估计的优良性

对于平衡线性混合模型,本文提出了一组易验证的条件,在此条件下,方差分量的谱分解估计、方 差分析估计和最小范数二次无偏估计都相等且为一致最小方差无偏估计．同时证明了在此条件下,似然 方程和限制似然方程都有显式解,还给出了许多满足这组条件的平衡线性混合模型的例子．     

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.