矩阵损失下均值向量的线性可容许估计

设Ｙ＝（Ｙ１，…，Ｙｎ）′相互独立，ＥＹ＝Ｘβ，ＣｏｖＹ＝Ｘｄｉａｇ（β１，…，βｎ）Ｘ′，β＝（β１，…，βｎ）′∈Ｒ＋ｎ为参数，Ｒ＋＝（０，＋∞），Ｘ为已知的元素非负且对角线元素为正的ｎ阶满秩矩阵，估计均值Ｘβ，选取损失函数为矩阵损失，估计类为Ｄ＝｛ＡＹ：Ａ为元素非负的ｎ阶矩阵｝．本文研究ＡＹ在Ｄ中的容许性，获得了ＡＹ在Ｄ中是Ｘβ的容许估计的充要条件．     

矩阵损失下线性预测的可容许性

在矩阵损失下研究了任意秩有限总体中线性预测的可容许性,得到了线性预测Lys(Lys α) 是可容许线性预测的充要条件.     

均值参数矩阵的可容许性估计

本文讨论矩阵正态回归模型从N_(n×m)(X(?),∑V)中均值参数矩阵(?)的可容许估计,给出了一个线性估计在一切估计类中是可容许的充分条件,必要条件或充分必要条件,推广了目前已知的结果     

加权平方和损失下线性估计的可容许性

1980年,Berger讨论了Γ分布尺度参数的通常估计的容许性向题.本文在此基础上讨论Γ分布尺度参数的线性估计的容许性问题,即 例1 设X_1和X_2相互独立,X_1～Γ(α_1,β_1~(-1)),X_2～Γ(α_2,β_2~(-1))α_1和α_2是已知的正常数,β=(β_1,β_2)′∈R~ ×R~ 是未知的参数.取β的估计为线性估计     

矩阵损失下约束线性模型中回归系数的线性可容许估计

考虑约束线性模型Mr={Y,Xβ,σ2V|Rβ=r}其中x列满秩,V为正定矩阵.在二次损失下,Baksalary. J. K和Markiewicz,A得到了回归系教β的线性估计在非齐次线性估计类中可容许的充分必要条件,利用吴启光在无约束线性模型关于回归系数线性可容许估计的结果,对约束线性模型Mr我们得到结果如下在矩阵损失下回归系数β的线性估计AY+g在非齐次线性估计类中可容许当且仅当[i]XAV对称;[ii]R(A) R(U) [iii]AXU=U,g=(AX-I)R+r或AXU≠U时,有r(AX) (-∞,0)∪(1,+∞).其中R(U)=N(R),U为列正交矩阵.     

矩阵损失下随机回归系数和参数的线性估计的可容许性

§1.引言考虑一般的随机效应线性模型Y=Xβ+ε,(1.1)其中 Y 为可观测的 n 维随机向量,ε和β分别为不可观测的 n 维和 p 维随机向量,E(β)=Aα,VAR(β)=Δ≥0,E(ε)=0,VAR(ε)=V≥0,E(βε')=0,X,A,Δ和 V 分别为已知的 n×p,p×k,p×p 和 n×n 矩阵,α∈R~k 为参数。对于矩阵 B 和C,B≥C(B>C)表示 B—C 为非负定(正定)对称矩阵。     

矩阵损失下多元回归系数线性估计的Minimax可容许性的特征

本文在矩阵损失厂给出了多元回归系数线性估计在线性估计类中是Ｍｉｎｉｍａｘ可容许估计的充要条件．     

共同均值矩阵的线性估计的泛容许性

本文给出了多元线性模型中共同均值矩阵可估函数的线性估计的泛容许性定义,并得到了共同均值矩阵可估函数的线性估计分别在齐次和非齐次线性估计类中的泛容许性特征。     

具有正态分布均值矩阵线性估计的可容许的等价性及其特征

本文考虑正态分布的均值矩阵的估计问题,损失函数取为为。由于在多元情况下(m≥2),该损失是一矩阵,因此,有许多比较该风险矩阵大小的标准。在这里通过参照多元分析中选主分量的方法,用风险矩阵的前X个最大特征根的和作为标准。对每一个K,都对应地有一种容许性定义,把它称为K-容许性。本文得到了一个有趣的结果:的线性估计的K-容许性等价于低维矩阵的线性估计在通常损失下的容许性,并得到了其K-容许的特征。当m≥3时,由这些特征知:在@的线性估计分别是K-容许性的意义下,m个K-容许的定义能够被分为三个等价类。     

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。     

矩阵损失下增长曲线模型中的回归系数的线性Minimax可容许估计

本文在矩阵损失函数下，给出了多元回归系数的线性估计在线性估计类中是Ｍｉｎｉｍａｘ可容许估计的充要条件。     

矩阵损失下一般Gauss-Markov模型线性预测的可容许性

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.     

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．     

矩阵损失下回归系数的线性估计的可容许性的进一步讨论

§1.引言考虑线性模型Y=Xβ+ε,(1.1)此处 Y 是 n 维随机向量;X 为已知的 n×P 矩阵;n≥P;EY=Xβ,CovY=V;β,V 均为参数,(β,V)∈(?)=(?)~p×(?),(?)是元素为 n 阶非负定对称矩阵的一个集合.     

向量损失函数下线性模型中参数估计的容许性

本文讨论了向量损失函数下参数估计的可容许与在常用损失函数下可容许之间的关系 ,并研究了在一元线性模型、多元线性模型中参数估计在特定估计类及一切估计类中的可容许性 ,给出了估计可容许的一些充要条件和充分条件 .     

二次损失下带线性等式约束的线性模型中的线性预测的可容许性

本文针对带线性等式约束的线性模型 ,在二次损失下研究了线性预测的可容许性 ,得到了条件线性可预测变量的线性预测 Lys(Lys+ a)是可容许线性预测的充要条件。     

矩阵损失函数下回归系数矩阵的非齐次线性估计的可容许性

在二次矩阵损失函数下研究了协方差矩阵未知的多元线性模型中回归系数矩阵的可估线性函数的矩阵非齐次线性估计的可容许性,给出了矩阵非齐次线性估计在线性估计类中可容许的一个充要条件.     

矩阵损失下一个参数子集的线性MINIMAX估计

考虑带多余参数的线性模型ＥＹ＝Ｘβ＋Ｚγ，Ｃｏｖ（Ｙ）＝σ＾２Ｖ。其中Ｖ是已知的非负定对称矩阵，在适当和假设下，我们得到了可估函数Ｓβ的所有线性ＭＩＮＩＭＡＸ估计。     

不等式约束下线性模型中线性估计的可容许性

本文研究了带有不等式约束的多指标线性模型中线性估计的可容许性.利用矩阵论的相关知识,在矩阵损失下得到了齐次线性估计在齐次线性估计类中是可容许的充要条件,以及非齐次线性估计在非齐次线性估计类中是可容许的若干条件,推广了不等式约束下可容许性的相关结果.