一类线性有偏估计的若干性质

§1 引言考虑一般的线性模型y=Xβ+e,E(e)=0,E(ee′)=σ~2I_n,(1) 这里y是n维向量,X是n×p的已知设计矩阵,其秩为g(≤p),β是n维未知的参数向量,e是n维随机误差向量。文献[1]按下面的方法定义了β的一个线性有偏估计类,这个估计类不仅包含了数理统计文献中常见的几种线性有偏估计,而且把它们推广到了X具有任意秩的情形。它的定义是首先把线性模型(1)化为典则形式:设P为p×p正交方阵,P′X′XP=diag(λ_1,…,λ_q,     

线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。     

椭球分布下两个回归方程共同回归系数的估计

1 引言令Y_i=X_iβ+ε_i i=1,2.(1.1)是两个回归方程,其中Y_i,T_i×1随机向量; X_i,T_i×k设计矩阵,rk~-(X_i)=k,T_i>k; β,k×1回归系数向量; ε_i,T_i×1随机误差向量。假定对i,j=1,2,     

许定理的一个推广

§1 引言考虑线性模型y=Xβ+U_1ε_1+…+U_kε_k (1)其中 X,U_1,…,U_K 分别是已知的 n×p,n×n_1,…,n×n_k 矩阵,秩 X相似文献   

GMANOVA模型中协方差阵扰动的影响分析

0 引言 Potthoff et al(1964)提出了如下的GMANOVA模型(常称为生长曲线模型):{Y=X1BX′2+ε/ε～Nn×p(0,V(○×)In)'(1.1)其中Y为n×p观测阵,X1,X2分别为n×k和p×q设计阵,B是待估参数阵,ε是误差阵,其n个行向量i.i.d. Np(0,V),V正定、未知. Kariya(1985)和潘建新(1991)讨论过模型(1.1)中B的估计问题.     

二阶非齐次系统的边值问题

研究二阶非齐次系统边值问题X″+A(t)X=f(t),X(a)=X(b)=0的解,其中A(t)是连续的n×n矩阵,其元素a_(ij)(t)在区间[a,b]上为非负,f(t)是连续向量函数,其分量f_i(t)在[a,b]上为非正。     

关于参数矩阵的线性经验Bayes估计

设X为p×q随机矩阵,θ为p×q参数矩阵,且θ有先验分布G(Vec(θ)),给定θ,X有条件密度f(Vec(X)｜Vec(θ)).选取矩阵损失L(D(X),θ)=(D(X)-θ)′(D(X)-θ),并在风险矩阵的迹的大小比较标准下讨论θ的线性经验tr Bayes估计及其渐近性质.获得经验tr Bayes估计D tr(X)= X+U(X- X),及具有o(N-1δ-2N)的渐近收敛速度.     

关于多元许定理的一个注记

虑线性模型Y=XB+Uε (1)其中 X,U≠0分别是已知的 n×k,n×l 矩阵,Y,ε分别是 n×p,l×p 随机矩阵,B 是 k×p未知参数矩阵。设ε=(ε_(1)     

一个著名的组合论问题的追溯证明

本文证明了文[1]介绍的一个著名的组合论问题的一个跟踪问题:确定一个函数f(n)使得每个f(n)×f(n)阶矩阵至少具有一个n×n阶的全为零的矩形块,或是至少具有一个n×n阶的全为1的矩形块。     

二元连续周期函数用其Fourier级数的Marcinkiewicz型线性平均逼近

§1.引言用 C_(2n×2n)表示对每个变元均以2π为周期的二元连续函数空间,其范数为‖f‖_c=■|f(x,y)|。函数类 H~(ω_1,ω_2)。由 C_(2n×2n)中满足下述条件的函数 f(x,y)组成     

矩阵正态分布均值矩阵的可估函数的线性估计在线性估计类中的泛容许性

考虑以下问题 :设n×m随机矩阵Y有分布N(Θn×m ,σ2 (Vn×n Σm×m) ) ,0 <σ2 ≤ 1 ,即Y服从均值向量为Θ协方差矩阵为σ2 (Vn×n Σm×m)的多元正态分布 ,其中 (Θ ,σ2 )为未知参数 .类似覃红讨论均值矩阵Θ的可估函数SΘ的线性估计AY在线性估计类中的泛容许性 .称Y的分布为矩阵正态分布     

二元域上矩阵空间之间的线性秩保持

设F2是二元域,n是整数,n≥2.Mn(F2)记F2上的n×n矩阵空间,Sn(F2)记F2上的n×n对称矩阵空间.若线性算子f∶Sn(F2)→Mn(F2)满足rankf(X)=rankX对所有的X∈Sn(F2)成立,则称f是从Sn(F2)到Mn(F2)的线性秩保持.证明了f是从Sn(F2)到Mn(F2)的线性秩保持的充要条件是存在非奇异的U,V∈Mn(F2)满足f∶A→UAV.     

关于矩阵函数方程f(X)=A的解

给出了复数域上矩阵函数方程f(X)=A有解的充要条件, 其中 A∈C ^n×n ,f(x) 为复值函数.进一步给出可以用A的多项式来表示方程的解的充要条件.     

一类半参数模型的正交级数及最小二乘估计

考虑半参数回归模型Y_i=X_iβ+g(X_iβ)+e_i,i=1,…,n。用正交级数和最小二乘法构造了β和g的估计β和g,证明β和g的强相合性,并把此结果应用于截断回归模型=Xβ+e,e～F(未知)中未知参数β和误差分布F的估计.     

一个0—1有限空间

本文构造出一个魔矩阵证明W_(n×2~n),证明了它的列向量在0—1二元域F_2上组成n维向量空间H_n,并且指出H_n,W_(n×2~n)图论与在编码中的一些应用。     

矩阵1秩半群的自同构

设D~(n×n)是体D上的n×n矩阵半群,整数r适合0≤r≤n,称s_r={X∈D~(n×n)|ranKX≤r}为D上n阶矩阵r秩半群。在r≤1的限制下,确定了S_r的自同构形式。     

矩阵损失下的协方差阵Σ的二次型估计的风险函数

考虑模型 H:Y=( Y1 ,Y2 ,… ,Yn)′=( X′1 ,X′2 ,… ,X′n)′β+ ( e1 ,e2 ,… ,en)′ Xβ+ e.其中 ,Yi:r维列观察向量 ,Xi:r× p已知矩阵 ,i=1 ,2 ,… ,n.β=( β1 ,β2 ,… ,βp)′是 p维未知参数向量 .e1 ,e2 ,… ,en　iid,e1 与r维正态分布 Nr( 0 ,Σ)有相同的前 4阶矩 ,这里Σ是未知的 r× r协方差阵 .在矩阵损失函数 L( d,Σ) =( d-Σ) 2 下 ,给出了Σ的二次型估计类 { Y′AY:A≥ 0 ,A∈ Rn× n}的风险函数 .     

关于正交试验设计的注记

我们用A_(m×n)表示m×n矩阵,A_(v×v)≥0表示A是v阶非负定阵,rkA表示A的秩,△_t表示元素全为1的t维列向量,J_(s×t)表示元素全为1的矩阵,I_t表示t阶单位阵。不致混淆时,我们将矩阵的阶数略去。我们还用A~-表示A的广义逆的一个选取,用P_A表示在R(A)的列向量所张成的空间R(A)上的投影P_A~(?)表示在R(A)的正交补间R~I(A)上的投影。X(X_i)表示从     

一类新的矩阵椭球等高分布族

本文引进一类新的矩阵椭球等高分布族F_G(n×p),讨论其性质,并给出它的线性变换族F_G~+(n×p)中参数M_1Σ和F_G~*(n×p)中参数λ_i,Q_i,i=1,…,r的极大似然估计和似然比检验     

具有时滞的周期微分系统的周期解

考虑周期微分系统x·(t)=A(t,x(t-r1))x(t)+f(t,x(t-r2))的T-周期解的存在性问题,其中(t,x)∈R×Rn,A(t,x)是n×n连续矩阵函数,f(t,x)是n维连续向量函数,A(t+T,x)=A(t,x),f(t+T,x)=f(t,x),且T>0,r1,r2∈R.利用不动点方法,建立了保证系统存在T-周期解的充分条件,改进和推广了文[1～4]的相关结果.