基于低记录值的Ⅰ型GLD的统计推断

记录值在天气、经济和体育数据中有重要的应用。本文研究了GLD的低记录值的矩、方差和协方差,构成均值向量α和协方差阵Σ;并由此对GLD的位置参数和尺度参数进行最佳线性无偏估计;利用广义线性模型得到GLD的低记录值最佳线性无偏预测;利用蒙特卡洛模拟显示:样本量不同且形状参数b取不同值时,低记录值的参数估计和预测效果较好,其偏差和均方误差都较小,说明此方法实用且有效。     

线性等式约束下有限总体中的最优预测

本研究了带线性等式的约束条件的有限总体中的最优预测问题,给出了条件可预测变量和条件最优线性无偏测的定义,得到了条件可预测变量的所有条件最优线性无偏预测,并证明了它在几乎处处意义下的唯一性。     

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     

共同均值参数线性无偏估计的可容许性

本文在一特殊的共同均值模型和平方损失函数下,得到了共同均值参数β线性无偏估计Σｉ＝１＾ｍＡｉｙｉ（Σｉ＝１＾ｍＡｉ＝Ｉｎ）分别在线性估计类和齐次线性估计类中为可容许估计的充要条件。     

线性模型中两步估计与BLUE差别的度量

本文讨论了广义线性模型中均值向量向和回归系数两步估计与最佳线性无偏估计差别的度量方法，给出了均值向量(回归系数)两步估计μ^-(β^-)相对于其最佳线性无偏估计μ^*(β^*)的相对精度P(μ^-|μ^*)的界及μ^--μ^*(β^--β^*)的欧氏范数界．并把文章结果应用到两阶段抽样回归模型，方差非齐次回归模型，半相依回归模型中．     

一般混合线性模型固定效应、随机效应与另一随机向量的联合估计

讨论一般混合线性模型中固定效应β、随机效应ξ_i(i=1,2,…,k)与另一随机向量δ的联合估计,得到了β、ξ_i(i=1,2,…,k)及δ的线性组合的最佳线性无偏估计,推广了有关文献中的结果,并从一个直观角度刻划了β、ξ_i(i=1,2,…,k)与δ的线性组合的最佳线性无偏估计的一种最优性,推广有关文献的结果.     

多元线性模型中两类预测的最优性判别

在一般多元线性模型中就基于岭估计的预测量与最优线性无偏预测量的最优性判别问题进行了讨论,得到了基于岭估计的预测量在矩阵迹意义下优于最优线性无偏预测量的充要条件.     

不同混合线性模型下线性函数的最佳线性无偏预测相等的条件

考虑一个不仅对协方差矩阵没有任何秩假设,而且对随机效应向量和随机误差向量之间的关系没有任何限制的混合线性模型.给出了线性统计量Ay是线性函数f（L,N）的最佳线性无偏预测的充要条件;同时也给出了在混合线性模型M1下BLUP（f（L,N））仍是在混合线性模型M2下BLUP（f（L,N））的充要条件;最后给出在两混合线性模型下BLUP（f（L,N））相等的条件.     

线性模型中两步估计的分解式及其应用

本文讨论广义线性模型中均值向量和回归系数的两步估计，给出了均值向量两步估计的分解式及均值向量两步估计与其最佳线性无偏估计一致的充分条件，并把结果应用到两阶段抽样回归模型及误差相关回归模型中。     

一般生长曲线模型中最优预测的稳健性

研究了一般生长曲线模型中最优线性无偏预测的稳健性,得到了线性可预测变量的这种预测关于协方差阵具有稳健性的充要条件.     

多元线性模型中条件最优预测的稳健性

研究了多元线性模型中条件最优线性无偏预测的稳健性问题,得到了条件线性可预测变量的这种预测关于协方差矩阵具有稳健性的充要条件.     

受约束回归模型参数的统一几乎无偏估计

考虑实际回归问题中存在更多受约束条件的情况,提出了带约束的统一几乎无偏估计类,统一了常见的具有线性约束的回归模型的几乎无偏估计,进一步的研究给出了在均方误差和均方误差矩阵意义下,带约束的统一几乎无偏估计优于一般带约束的最小二乘估计的充分条件和椭球范围.     

��������������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.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

Admissible prediction in superpopulation models with random regression coefficients under matrix loss function

Admissible prediction problems in finite populations with arbitrary rank under matrix loss function are investigated. For the general random effects linear model, we obtained the necessary and sufficient conditions for a linear predictor of the linearly predictable variable to be admissible in the two classes of homogeneous linear predictors and all linear predictors and the class that contains all predictors, respectively. Moreover, we prove that the best linear unbiased predictors (BLUPs) of the population total and the finite population regression coefficient are admissible under different assumptions of superpopulation models respectively.     

有限总体中的最优预测

研究了有限总体中的最优预测问题,在一般Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下得到了线性可预测变量的最优线性无偏预测,特别地,考虑了一类特殊的预测函数：ｂ－线性预测函数。     

On Bayes linear unbiased estimation of estimable functions for the singular linear model

The unique Bayes linear unbiased estimator (Bayes LUE) of estimable functions is derived for the singular linear model. The superiority of Bayes LUE over ordinary best linear unbiased estimator is investigated under mean square error matrix (MSEM) criterion.     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．