生长曲线模型中协差阵的最优非负估计

§1.模型与问题 考虑如下的生长曲线模型其中X_1,X_2,u≠0分别为n×k,p×l,n×s阶已知矩阵;B为k×l阶回归系数矩阵。Y=(y(1),…,y(n))′与(?)=(ε(1),…,ε(s))′分别为n×p阶观测资料矩阵及s×p阶随机误差矩阵。将Y、B及(?)依行拉直得     

增长曲线模型中参数估计的一个注记

对于具有序列协方差结构的正态增长曲线模型，证明了在一定条件下不存在方差的一致最小无偏估计。给出了在任意凸损失下存在回归系数矩阵的任何线性可估函数的一致最小风险无偏估计的另一个充要条件。     

生长曲线模型中协差阵的最优非负估计

本文给出了一个判定非负定阵的新方法,完成了生长曲线模型中误差协差阵非负估计理论的下列工作:(1)最优估计存在的充要条件及存在时的显示表达;(2)任意二次估计为最优估计的充要条件,作为推论给出了最小二乘估计为最优非负估计的充要条件;(3)给出了一个优于最小二乘估计的新估计.     

增长曲线模型中回归系数的广义根方估计

本文对增长曲线模型中的回归系数B提出了一种新的估计形式－广义根方估计的B（K），其中K＝diag(k1,k2,…，kp）并证明了通过广义根方偏参数ki(i=1,2,…，p）的适当选取可使得该估计在均方误差矩阵的意义下优于已有的LS估计和根方估计，及广义根方估计是可容许估计，本文还给出了选取广义根方偏参数的两种方法，算法及一个应用实例。     

一般增长曲线模型参数阵的BLU估计

考虑一般增长曲线模型：Ｙ＝Ｘ１ＢＸ２＋εＥ（Ｖｅｃ（ε））＝０Ｖ（Ｖｅｃ（ε））＝σ２ＶＩｎ（Ｖ０）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．     

有偏模型中一类统计泛函的经验似然估计及其渐近性质

Ｘ１，…，Ｘｍ；Ｙ１，…，Ｙｎ为独立随机样本，Ｘ，Ｘ１，…，Ｘｍ同分布，Ｘ－Ｆ，Ｆ（０）＝０，Ｙ，Ｙ１，…，Ｙｎｍ同分布，Ｙ的分布函数为Ｇ（ｙ）＝１／μ∫ｙω（ｔ，β）ｄＦ（ｔ），ｙ≥０，其中，β∈Ｒ，μ＝∫０＾∞ω（ｔ，β）ｄＦ（ｔ），０〈μ，ω（ｔ，β）〈∞，Ｆ，μ和β均未知，ω（ｔ，β）的形式已知，设θ为一待估参数，且存在一已知函数ψ（Ｘ，θ）满足ＥＦψ（Ｘ，θ）＝０，本文利用经验似然法给出     

增长曲线模型中回归参数阵的线性有偏估计类

In response to some perceived deficiency with the BLUE of the regression parameter matri xin the growth curve model,this paper proposes a class of linerar biased estimators,which is called a class of universal ridge ones(URE).based on the recent deveopment theory of biased estimation on the classical regression model.By appropriate choices of the included biased parameters,many interesting and practical linear biased estimators may be obtained.Some important properties are also discussed.With the UR estimators,the estimation methods used in the growth curve model will be greatly ennriched.     

线性模型中M估计的渐近性质

线性模型中Ｍ估计的渐近性质吴耀华（中国科学技术大学数学系，合肥２３００２６）ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＭ－ＥＳＴＩＭＡＴＯＲＳＩＮＬＩＮＥＡＲＭＯＤＥＬＳ￥ＷｕＹＡＯＨＵＡ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｕｎｉｖｅｒｓ...     

线性模型参数矩阵的二次型的经验Bayes估计的收敛速度

本文构造出正态线性模型误差协差阵的逆矩阵的二次型的经验Ｂａｙｅｓ（ＥＲ）估计，在一定条件下证明了这种ＥＢ估计的收敛速度可任意接近于１．最后，给出了一个实例．     

一类线性模型中参数的平衡LS估计的性质

对于线性回归模型中平衡LS估计这一类含参数t和参数矩阵L的估计,进一步讨论了t和L的取值对平衡LS估计优良性的影响,得到了平衡LS估计在某些准则下优于OLS估计的条件.     

序约束下ARCH(0,2)模型参数估计与检验

本文研究了平稳ARCH（0，2）模型未知参数α的极大似然估计及有序约束时α的极大似然估计的渐近性质，给出了参数序关系（α1≥α2）的检验方法，并得出了似然比检验统计量的渐近分布。用二次规划的算法，给出求各种情况下参数α的极大似然估计的数值算法。     

增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

并联混合回归模型参数的两步M估计及其渐近性质

本文在文献的基础上,给出残差为AR(P)序列并联混合回归模型参数的一种稳健估计——两步M估计,并证明了估计的相容性与渐近正态性.     

生长曲线模型中基于奇异值分解的岭估计

在生长曲线模型中将设计阵的奇异值分解与普通的岭估计相结合,针对设计阵A与C至少有一个病态时的情况提出生长曲线模型中基于奇异值分解的岭估计.比较其在均方误差,均方误差矩阵,及PC准则下相对于最小二乘估计的优良性.证明其容许性并利用Hemmerle和Brantle用于确定广义岭估计参数的方法给出极小化均方误差的无偏估计法选取岭参数.     

部分线性模型中参数估计的Bootstrap逼近

考虑回归模型 :yi=xiβ+g(ti) +σiei,1≤ i≤ n.其中 σ2i=f(ui) ,(xi,ti,ui)是固定非随机设计点列 ,f (· )和 g(· )是未知函数 ,β是待估参数 ,ei 是随机误差 .对文 [1 ]给出的基于 g(· )及 f(· )的一类非参数估计的β的最小二乘估计β^ n和加权最小二乘估计βn,本文通过重抽样的方法构造了 β^n 和 βn 的 Bootstrap统计量 β^ *n 和 β*n .证明了在给定原样本的条件下 ,n (β^ *n -β^ n)和 n (β*n -β^ n)分别与 n (β^ n-β)和 n (βn-β)有相同的渐近分布 .     

E-Bayes估计渐近性质的证明

随着科学和技术的进步需要有效地改进产品可靠性的评估方法,相关文献提出了参数估计的一种新方法——E-Bayes估计法.对Pascal分布,在两个超参数情形给出了分布参数的E-Bayes估计的定义、E-Bayes估计公式,并提出了E-Bayes估计的两个渐近性质,但没有给出证明.给出了这两个渐近性质的证明.     

生长曲线模型参数估计的几个相对效率

对于生长曲线模型该文在１中定义了的三种相对效率,即：其中,Ｂ＝（Ａ’∑~（－１）Ａ）~（－１）Ａ’∑’~（－１）ＹＶ~（－１）~Ｃ’（ＣＶ~（－１）Ｃ’）~（－１）,Ｂ＝（Ａ’∑~（－１）Ａ）~（－１）Ａ’∑~（－１）ＹＣ’（ＣＣ’）＼＋－１,μ＝ＡＢＣ,μ·＝ＡＢ·Ｃ．在２,３,４中分别给出了它们的上界,并给予了证明．     

随机环境中具有迁入的分枝过程的时序估计量的性质

讨论时序估计量^m(c)~、m(c)期望、方差,得出估计量^2σn的渐近性质和估计量^mNc的一致渐近正态性.     

缺失数据下线性EV模型的参数估计

给出EV模型下数据具有随机缺失时,模型参数的一种估计方法,并以一个简单模型为例给出了这种新估计的渐近正态性的具体结果.模拟研究表明,即使在有限样本情形,提出的方法在估计效率上也具有一定优势.     

二元相依Weibu11分布的参数估计(英文)

考虑生存函数为F(x_1,x_2)=exp{-[(x_1~(1/α)/θ_1)~(1/δ) ((x_2~(1/α)/θ_2)~(1/δ)]~δ},x_i>0,θ_i>0,i=1,2,α>0,0<δ≤1的二无相依Weibull分布。基于在Ⅰ型截尾情形下两个元件与串联系统的寿命试验数据,本文给出了未知参数θ_1,θ_2,α和δ的估计,并讨论了这些估计的渐近性质。本文还给出了随机模拟的结果。