SUR回归系统系数估计的一些推广结果

文[1]给出了关于相依回归方程系统(SURS)系数最小方差无偏估计(MVLUE)的一些充要条件,本文继续讨论了两类SURS的回归系数的MVLUE的充要条件,并讨论了两步Zellner估计的有限样本性质,从而进一步推广和完善了[1]中的相应结果。     

多元t分布下相依回归模型参数的两步估计

本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况,在该分布下两种估计的统计优效性质均不变.     

Gauss—Markoff估计的协方差改进形式及其在SUR模型中的应用

本文采用并推广Rao[1]的协方差改进原理，证明了线性模型（1．1）的Gauaa－Markoff估计（1．2）具有协方差改进形式＝（X′X）－1X′Y－（X′X）－1X′VN［NVN］＋NY，其中N＝I－X（X′X）－1X′．这一结果用于SUR系统yi＝Xiβi＋εi（i＝1，2，…，m），容易得到Zellner两步估计的有限样本性质．本文得到了一类系统的有限样本方差结果，从而完善了一些已有结果．     

SUR回归系统部分方程系数Zellner估计的有限样本性质

对于SUR回归系统(1),本文在弱于[2],[3]和[4]的条件X_l′X_i(i=2,…,m)下考虑第一个方程系数β_1的Zellner的两步估计(4),得到了β1基于非限定残差的两步估计(?)_(Z1)的均方误差矩阵精确结果,由此结果容易得到[3],[4]和[5]给出的已知结果。     

φ-混合样本下有限个分位数估计的联合渐近分布

本文研究了φ-混合样本下总体的有限个分位数核估计的渐近性质.利用分块技术证明了φ-混合样本下总体的有限个分位数核估计的联合渐近分布为多元正态分布,推广了文献[16]的相关结果.     

限制参数空间中二项分布参数的极小极大估计

对于二项分布(n,p)的参数p的估计已有许多结果,然而极大多数都是在当P毫无先验信息条件下讨论的,而在实际问题中根据先验知识往往可以确定p∈[α,β],其中0≤α<β≤,这时仍用k/n作为p的估计显然过于粗糙。本文将指出当β—α充分小时,p的极小极大估计正是相应于某一在端点。α和β上的二点分布的Baye估计,并给出了若干个数字实例,然后讨论了当n→∞时,只要(β—α)小于某一常数(它依赖于n和a)时,上述结论总是成立。类似问题在[1]中作者对均分布进行了讨论,而在[2]和[3]中曾对于具有已知方差的     

自适应有限元和后验误差估计——渐近准确估计

在[7]中,作者讨论了有限元误差的1-模等价估计.本文是[7]的继续,给出一种自适应有限元计算中误差的1-模渐近准确估计,即对于误差的1-模||e||_1,Ω给出可计算的估计量?,当||e||_1,Ω→0时,成立?/||e||_1,Ω→1. 本文将沿用[7]中的定义及符号.     

关于不完全双二次非协调板元的误差估计

本文在[1,2]的基础上,对不完全双二次板元作了进一步的讨论,不仅得到了最优的L~2—误差估计,改进了[1]的相应结果,而且利用“辅助元技巧”并结合正则Green函数法,得到了拟最优的L~∞—误差估计.     

m相依样本下均值的经验似然比置信区间

在强平稳m相依样本下讨论了均值的经验似然置信区间估计,推广了Owen[1—2]在独立同分布情况下的结果.指出其不足并进行了合理的改进,并提出了分组经验似然的概念.     

指数分布族参数的渐近最优与可容许的经验Bayes估计的再探讨

文献[1]在平方损失及超参数α服从伽玛分布且X1′,…Xn′(历史样本)和X(当前样本)独立同分布的条件下,构造了指数分布族{f(x|λ)=λe-λx,λ>0,x>0}的参数λ的渐近最优与可容许的经验Bayes估计.本文在超参数α分别服从伽与分布与指数分布且当前样本由X扩充为X1,…,Xm的情况下,重新构造了指数分布族参数λ的渐进最优与可容许的经验Bayes估计,从而将文献[1]的结果进行了推广.