二次损失下回归系数的线性Minimax估计

设有线性模型 EY=Xβ CovY=σ~2V, 这里X: _(nxp),和V: _(nxn)>0已知矩阵,β∈R~P和σ~2>0都是参数。本文估计Sβ,选取损失函数 L(d,Sβ)=((d-Sβ)′(d-Sβ))/(σ~2+β′X′V~(-1)Xβ), 其中Sβ是可估的,并给出了在线性估计类中唯一的一个线性minimax估计。     

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)     

带约束的回归系数的线性估计的可容许性

在本文中,我们针对带齐次线性等式约束的线性模型Y=Xβ+ε,ε～(0,σ~2V),Hβ=0,给出了回归系数的最佳线性无偏估计的较简单的表达式以及Sβ的估计LY(LY+α)在齐次线性估计类(线性估计类)中可容许的充要条件。     

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.     

线性模型中一些无偏损失估计的不可容许性和可容许性

设 Y～N_n(Xβ,σ~2V),此处 X 和 V 分别是已知的 n×P 和 n×n 矩阵,rank(X)=p≤n,V>0(即 V 是正定的),β∈R~P 是参数向量,σ>0已知或未知.记(?)=(X′V~(-1)X)~(-1)X′V~(-1)Y,S~2=Y′[V~(-1)-V~(-1)X(X′V~(-1)X)~(-1)X′V~(-1)]Y.对于σ已知情形,本文证明了,在均方误差损失[α-((?)-β)′((?)-β)]~2之下,损失((?)-β)′((?)-β)的无偏估计σ~2tr(X′V~(-1)X)~(-1)在 P≤4时是可容许的,而当P≥5时不可容许.对于σ也是未知参数且 P相似文献   

方差分量模型中回归系数的线性Minimax估计

考虑方差分量(混合线性)模型y=Xβ+U1ξ1+U2ξ2+…+Ukξk,这里Xn×p,Ui,n×ti为已知设计矩阵,βp×1是固定效应,iξ是ti×1随机效应向量,满足E(iξ)=0,cov(iξ)=σ2iIti,iξ都不相关.往往Uk=In,ξk=ek,即最后一项为随机误差,热β∈RP和i2σ>0(i=1,2,…,k)为未知参数.我们考虑β的可估函数Sβ,选取二次损失函数L(d,Sβ)=(d-Sβ)′(d-Sβ)∑ki=1ciσi2+β′X′Vk-1Xβ,然后在线性估计类中给出Sβ的惟一的mini max估计.     

多项式损失下二次型估计的可容许性

设有线性模型Y=Xβ+δ,其中X为已知的n×p阶矩阵,n≥2,δ～N_n(O,σ~2(Ln),β∈R~n和σ~2>O皆未知,估计σ~2,取损失函数L(β,σ~2;d)=W[σ~(-4(d-σ~2)~2],其中设对称) 本文给出了X=1_n和X=I_n时,Y'AY∈(?)在估计类现中是σ~2的可容许估计的充要条件。     

矩阵损失下随机回归系数和参数的非齐次估计的可容许性

考虑线性模型 Y=Xβ+ε,Y 是可观察的 n 维向量,ε和β是不可观察的 n 维和 p 维随机向量;E(β)=Aα,VAR(β)=σ~2△≥0;E(ε)=0,VAR(ε)=σ~2V≥0;E(εβ＇)=0;X,A,△,V 皆为已知矩阵;α∈R~k,σ>0皆为未知参数,本文首次提出矩阵损失函数,并给出了(Sα,Qβ)的估计(L_1Y+α,L_2Y+b)在非齐次估计类中可容许的充要条件。     

矩阵损失下回归系数的线性MINIMAX估计

这里 Y∶n×1为随机向量,X∶n×p,V∶n×n>0已知,β∈R~p,σ~2>0为未知参数,我们要估计β的可估函数 Sβ,S∶k×p 是常数矩阵,且存在 D,使 S=DX.吴启光采用矩阵损失(d-Sβ)(d-Sβ)′,考虑一个线性(齐次的或非齐次的)估计在线性(齐次的或非齐次的)估计类中的可容许性.本文对矩阵损失作了修改,考虑一个线性(齐次的或非齐次的)估计在线性(齐次的或非齐次的)估计类中的 Minimax 性.设     

矩阵损失下回归系数和误差方差的联合估计的可容许性的几个结果

设有线性模型:Y=(Y_1,…,Y_n)＇=Xβ+ε=Xβ+(ε_1,…,ε_n)＇,其中X:n×p已知,β=(β_1,…,β_p)＇未知,ε_1,…,ε_n独立,E_(ε_i)=E_(ε_i~3)=0,E_(ε_4~2)=σ~2,F_(ε_i~4)=3σ~4,i=1,2,…,n,0<σ~2<∞,σ~2未知。在矩阵损失下,我们考虑(Sβ,σ~2)的联合估计(AY,Y＇BY)在估计类×={(CY,Y＇DY):C为m×n的常数阵,D≥0为n×n的常数阵中的可容许性,得到了(AY,Y＇BY)为(Sβ,σ~2)的可容许估计的一些充分条件和必要条件。     

线性模型回归系数c-(K,S)型估计的优良性

根据线性回归模型Y=Xβ+ε,E(ε)=0,COV(ε)=σ~2I,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的优良性,在一定的条件下获得β_c(K,S)估计与LS估计的相对效率的界,并由此得出在设计阵病态时,β_c(K,S)型估计的精度明显高于LS估计;最后,证明了c-(K,S)型估计的可容许性,从而有助于病态线性回归系数有偏估计的进一步改进.     

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）．     

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.     

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).     

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．     

线性模型中参数的线性估计的可容许性

本文的主要结果如下:1.假定 n 维向量 Y 适合EY=θ,VarY=σ~2V,V>0,则在二次型损失函数(LY-Sθ)′(LY-Sθ)下,在线性估计类中,LY 是 Sθ的可容许估计的充要条件是(a)LYS′对称,(b)LVL′≤LVS′,(c)rk(L-S)V=rk(L-S),其中 L,S 均为r×n 阵。2 假定在 Ganss-Markov 换型(Y,Xβ,σ~2V,V≥0)下,Sβ是可估的,则在矩阵损失函数(LY-Sβ)(LY-Sβ)′/σ~2下,在线性估计类中,LY 是 Sβ的可容许估计的充要条件是:(a)μ(VL′)μ(X),(b)LX=S 或 LX≠S 时,LXTX′L′-STS′ a(LX-S)T(LX-S)′≥0,对所有的a∈(0,1)不成立,其中T=X~ (V-VH(V~(1/2)H)~ V(1/2))X′~ ,H=I-XX~ .     

不等方差线性模型中的AP统计量与信息比统计量

对线性模型：Y=Xβ ρ，E（ρ）=0,cov(ρ）=σ^2G,G=diag(g1,…gn)，探讨了单个数据点对σ^2的估计-↑σ^2，β的估计-↑β的广义方差|cov-↑β|及Fisher信息阵：σ^2X′G^-1X的影响，给出了度量准则和它的化简式及统计解释。     

一般的 Gauss-Markoff 模型中回归系数的线性估计的可容许性

此处 X 为已知的 n×p 矩阵;V 为已知的 n 阶非负定对称矩阵,记为 V≥0;β∈R~p,σ~2>0都是未知参数.设 Sβ可估(S 为已知的常数阵).我们想用 n 维随机向量 Y 的线性函数 LY(L 已知)去估计 Sβ.对于 V>0(即 V 为正定的对称矩阵),C.R.Rao 在二次损失函数     

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).     

方差未知的统计控制问题中的可容许估计

§1.引言设有线性模型Y=Xβ+ε,(1.1)此处 X 为已知的 n×k 矩阵,rankX=k,ε～N(0,σ~2I_n);β∈R~k 和σ>0都是未知参数.考虑如下的统计控制问题:选择一个 k 维向量 z(Y),使得