多元线性模型回归系数估计在矩阵损失下的可容许性

推广了吴启光关于一元线性模型回归系数估计的可容许性的结果，得到了多元线性模型回归系数的估计可容许的充要条件。     

向量损失函数下一般期望向量线性估计的可容许性

设Ｙ１,Ｙ２,…,Ｙｎ独立同分布,ＥＹ１＝Ｘβ,ＣｏｖＹ１＝∑＞０,Ｘｍｘｐ,是已知实矩阵,β∈Ｒｐ,∑＞０是未知参数。本文讨论了向量损失函数下一般期望向量估计的可容许条件,并得到了线性估计Ｌ１Ｙ１＋Ｌ２Ｙ２＋…＋ＬｎＹｎ是Ｓβ在线性估计类中客许的充要条件。     

向量损失函数下均值向量线性估计的可容许性

在向量损失函数下,讨论了模型(H)EY=XβCovY=Xdiag(β1,β2,…,βn)X′中估计均值向量时,齐次线性估计在L1={LY:L为元素均为非负的k×n矩阵}中的容许性,及非齐次线性估计在L2={LY C:L为元素均非负的k×n矩阵,C为k维元素均严格非负的列向量}中的容许性,并获得了相应的充要条件.     

多元线性模型回归系数估计在矩阵损失下的可容许性

推广了吴启光关于一元线性模型回归系数估计的可容许性的结果，得到了多元线性模型回归系数的估计可容许的充要条件     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

向量损失下共同均值向量的线性可容许估计

在向量损失函数下,利用矩阵的向量化方法,分别研究了多元线性模型和增长曲线模型中共同均值向量的线性估计在齐次线性估计类L2={C1Y1 C2Y2 … CnYn,Ci为k×m阶矩阵,i=1,2,…,n}及L3={A1Y1B1 A2Y2B2 … AnYnBn,Ai,Bi分别为l×m,q×s阶矩阵,i=1,2,…,n}中的可容许性;得到了线性估计在齐次线性估计类中可容许的充分和必要条件,推广了相关结果.     

线性估计在矩阵损失下的可容许性

研究了多元线性模型Ｙ－Ｎ中参数ＳＸＯ的线性估计ＬＹ＋Ｄ的可容许性问题,在一般条件下得到了线性估计ＬＹ＋Ｄ在矩阵损失下的可容许的充要条件。从而将现有文献中的结果推广到Σ≥０,Ｖ≥０的情形,解决了这一模型中的可估参数的线性估计在矩阵损失下的可容许性问题。     

刻度平方误差损失下Pareto分布参数的Bayes估计

讨论了给定容量n的一个Pareto样本X1,X2,…,Xn,在刻度平方误差损失函数下Pareto分布参数的Bayes估计,证明了这一估计是可容许的,并给出了Bayes的置信下限.     

平方损失下容许估计的充分条件

运用Ｋａｒｌｉｎ方法推导出单参数分布族的参数在平方损失函数下容许估计的一个充分条件，当该充分条件运用于指数族时，可得到关于指数族容许估计的众多已有结论。     

平衡损失下奇异线性模型中线性估计的可容许性

在平衡损失函数下,给出奇异线性模型中回归系数线性估计的可容许的定义,并得到齐次线性估计类中线性估计可容许性的充分必要条件.     

刻度平方误差损失下产品可靠度的E-Bayes估计

在刻度平方误差损失下,对Pascal分布,本文给出了可靠度θ的E-Bayes估计和多层Bayes估计及它们之间的关系,最后给出了模拟算例。     

有界截断型分布参数在绝对损失函数下的极小极大估计

对于截断分布，当其参数位于某一小区间内时，参数在绝对损失函数下的极小极大估计在本文中进行了讨论。     

刻度平方误差损失下二项分布无失效数据的可靠性分析

研究在刻度平方误差损失函数下,二项分布无失效数据的可靠度的Bayes估计及其可容许性,并给出了可靠度的多层Bayes估计的表达式.     

刻度平方误差损失下二项分布参数的Bayes估计问题

对给定容量为n的二项分布样本X1,X2,…,Xn,在刻度平方误差损失函数下,利用共轭先验分布讨论二项分布参数θ的Bayes估计,得到了该参数的Bayes估计可容许性的一个充要条件,并给出多层Bayes估计的表达式.     

q对称熵损失函数下指数分布的参数估计

提出对称熵损失函数的一般形式(λ/δ)^q+(δ/λ)^q-2(q>0) , 即q对称熵损失. 讨论指数分布的尺度参数在此损失函数下的最小风险同变估计、 Bayes 估计和最小最大估计, 给出了更具一般性的结论, 并研究了(cT+d)^-1形式 估计的可容许性和不可容许性.     

一类加权损失函数下正态分布均值参数的同时估计

1 引言 设X_i,i=1,2,…,p是相互独立的服从正态分布的随机变量,其均值参数为O_i,方差为1。在讨论均值参数O=(O_1,O_2,…,O_p)的同时估计问题时,当损失函数是平方损失函数,即     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.     

在一类加权平方损失函数下位置参数的同时估计

本文考虑了在一类损失函数下,p个(p≥3)位置参数的同时估计,对均匀分布、双指数分布、t-分布,给出了控制通常估计量的改进估计量。