All Admissible Linear Estimators under Quadratic Loss in Multivariate Model

§ 1.Introduction and Notations　In this paper,for any given matrices A and B,A B denotes the Kronecker productof A and B,A is a vector formed by stacking the columns of A under each other,μ(A)is a space generated by the columns of A,and PA=A(A′A) - A′. Fourthmore,if A andB are square matrices,then A>B and A≥ B mean that A-B is a symmetrical positiveand nonnegative matrix,respectively,andλi(A) is the i-th largest eigenvalue of A.　Consider general multivariate linear modelY …     

多元回归系数的所有k—容许估计

对于多元线性模型Y～N（XΘ，）（已知）中的可估函数SXΘ的估计问题，取损失函数为（δ－SXΘ）'（δ－SXΘ）．用风险函数矩阵的前k个顺序特征值之和作为比较不同估计的风险函数大小的标准，我们可定义所谓的"k－容许估计"．本文得到了SXΘ的线性估计AY＋D在一切估计类中k－容许的充要条件．     

增长曲线模型中最小二乘估计的几种相对效率

对于一般的增长曲线模型Yn×m=Xn×pBp×qZq×m＋ε,ε~（0,δV∑）本文定义了B的最小二乘估计（相对于B的最佳线性无偏估计）的四种相对效率，并得到了它们的下界．     

均值矩阵的函数的所有可容许估计

对于多元正态线性模型Ｙｎｘｍ～Ｎ（Ｘθ,σ２∑Ｖ）,在四种不同的可容许意义下,本文研究了ＳＸθ的线性估计ＬＹ＋Ｄ在一切估计类中的可容许性在适当条件下得到了充要条件,在一般情况给出了充分条件和必要条件．     

一般增长曲线模型中UMRU估计的存在性

对于一般的增长曲线模型和严凸损失(可以是矩阵凸损失),本文给出了回归系数矩阵的指定可估函数存在一致最小风险无偏(记为UMRU)估计的充要条件以及所有可估函数恒存在UMRU估计的充要条件。最后将所得结论应用于一些特殊的模型。     

主成分估计的最优性

一、引言 自从Hotelling从概率结构引进主成分概念之后,主成分估计受到了统计工作者的广泛重视.它已成为多元分析中减少数据维数的有效工具.许多人从不同角度研究了主成分的最优性质.但是,这些性质都是关于协方差阵的.本文力图从更能反映一个估     

一类平面自仿射tiles的边界

考虑由扩张矩阵A=(?)及数字集D=(?):0≤i≤|p|-1,O≤j≤|q|一1(?)生成的自仿射tiles集T=T(A,D),其中p,q∈Z,|p|≥2,|q|≥2,通过对T中的元素进行分析,得到了计算T的边界的方法.     

Sβ不可估时（Sβ,σ^2）的联合估计的可容许性

对于一般的Ｇ－Ｍ模型Ｙ－Ｎ（Ｘβ，σ＾２Ｖ），Ｖ≥０，当Ｓβ不是线性可估的时，本文分别得到了矩阵损失下（Ｓβ，σ＾２）的联合估计（ＬＹ＋ａ．ＹＡＹ）的估计类中和在一切估计的类中可容许的充要条件，以及在二次损失ＬＹ＋ａ－Ｓβ＋（ＹＡＹ－σ＾２）＾２下和估计类中可容许的充要条件。     

具有未知误差方差的多元正态线性模型中回归系数的所有k-容许估计

考虑多元线性模型Ｙ～Ｎ（ＸΘ，σ２ＩｍＶ），和ＳＸΘ的估计问题，取损失函数为（σ－ＳＸΘ）′（δ－ＳＸΘ），本文定义所谓的ｋ－容许性和Φ（ｋ）－容许性．本文在一定条件下得到了ＳＸΘ的线性估计ＬＹ＋Ｄ在一切估计类中ｋ－容许和Φ（ｋ）－容许的充要条件．一般情况下得到了充分条件和必要条件．