排序方式: 共有32条查询结果,搜索用时 46 毫秒
1.
对于带约束条件和多余参数的两个线性模型e1=L(X1β+Z1γ,V1,L1)和d2=L(X2β+Z2δ,V2,L2),其中V1和V2是已知对称的正定矩阵,γ和δ是多余参数,L1和L2是已知的约束矩阵,文中给出了一种新的比较准则,并得到了几个充要条件。 相似文献
2.
本文研究了一般Gauss-Markov模型中线性可预测变量的线性预测的可容许性.在给出线性预测可容许性定义的基础上,通过构造一个特殊的常量矩阵D0,分别得到了齐次和非齐次线性预测类中可容许的充要条件. 相似文献
3.
4.
一般增长曲线模型参数阵的BLU估计 总被引:4,自引:0,他引:4
考虑一般增长曲线模型:Y=X1BX2+εE(Vec(ε))=0V(Vec(ε))=σ2VIn(V0)本文对任一可估函数KBL给出了它的BLU估计(最佳线性无偏估计),并得到了方差σ2的一个无偏估计. 相似文献
5.
矩阵损失下随机回归系数和参数的线性Minimax估计 总被引:2,自引:0,他引:2
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. 相似文献
6.
7.
对于两个线性模型d1=L(X1β,V1)和d2=L(X2β,V2),其中V1和V2是已知的对称非负定矩阵,我们在可估子空间μ(A)上对它们进行了比较.并得到了d1d2(μ(A))的一个充要条件.最后,我们在可估子空间上比较了带多余参数的两个线性模型,得到了一个充要条件. 相似文献
8.
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 相似文献
9.
一般正态线性模型中可估函数的线性Minimax估计 总被引:3,自引:0,他引:3
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). 相似文献
10.
本文通过考察一种新影响图的保形法曲率,给出一种新二阶局部影响分析方法,并通过实例验证了该方法的有效性. 相似文献