基于极大似然的异方差多正态总体均值的参数Bootstrap检验

本文考虑了异方差下多正态总体均值的检验问题。传统检验方法多为近似分布检验,且受总体数目及其样本量的影响较为严重,只有在总体数目较少、样本量适中或较大时才能很好的控制第一类错误。较近提出的参数bootstrap检验有效解决了在总体数目较多时检验的任意性,但在总体样本量都较小时,检验控制第一类错误倾向保守,或总体中存在个别样本量较少时犯第一类错误概率上升。本文从极大似然的角度推导出具有修正权重的极大似然检验统计量,并与bootstrap方法有效的结合,得到新的参数bootstrap检验方法。通过Monte Carlo模拟第一类错误和检验的势与Welch检验和广义F检验进行比较,结果表明本文提出的极大似然参数bootstrap检验在总体数目较多和存在小样本量时,均能很好地控制第一类错误,同时且有较好的势,适用范围更加广泛。     

��������������Ԥ����Ƚ���

本文研究了有限总体中最优线性无偏预测的稳健性问题, 得到了线性可预测量的 这种预测关于协方差矩阵具有稳健性的充要条件.     

正态分布下任意秩有限总体中的Minimax预测

对于任意秩有限总体,在二次损失下,有关文献已给出了线性可预测变量在齐次线性预测类中的唯一线性Minimax预测．本文在正态假设下,证明了这个线性Minimax预测也是线性可预测变量在一切预测类中的唯一Minimax预测．     

多元线性模型中随机回归系数和参数的最优估计

本文研究了一般的随机效应多元线性模型中线性可估函数的最优线性无偏估计。特别地 ,考虑了一类特殊的估计 :Φ-线性估计 ,给出了 Φ-线性可估函数和最优 Φ—线性无偏估计的定义。得到了 Φ-线性可估函数的最优Φ—线性无偏估计 ,并证明了它在几乎处处意义下的唯一性     

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).     

正态线性模型中随机回归系数和参数的Minimax估计

该文在一般正态随机效应线性模型中研究了随机回归系数和参数的估计问题. 在二次损失下，得到了线性可估函数在一切估计类中的唯一Minimax估计.     

二次损失下线性预测的可容许性

本文在二次损失下研究了任意秩有限总体中线性预测的可容性，得到了线性预测Lys(Lys a)是可容许线性预测的充要条件．     

正态分布下任意秩有限总体中的Minimax预测

对于任意秩有限总体,在二次损失下,有关文献已给出了线性可预测变量在齐次线性预测类中的唯一线性Minimax预测.本文在正态假设下,证明了这个线性Minimax预测也是线性可预测变量在一切预测类中的唯一Minimax预测.     

多元随机效应模型中线性预测的泛容许性

研究了一般随机效应多元线性模型中未来观察值的线性预测的泛容许性,引入了线性可预测变量的泛容许预测的概念,并得到了齐次线性预测(非齐次线性预测)在齐次线性预测类(非齐次线性预测类)中是泛容许预测的充要条件．     

二次损失下随机回归系数和参数的线性Minimax估计

对带有随机效应的一般线性模型,本文提出了随机回归系数和参数线性组合的Minimax估计问题. 在二次损失下,研究了线性估计的极小极大性.关于适当的假设,得到了可估函数的唯一线性Mjnimax 估计.