方差分量模型中的Bayes估计

对y-N(Xβ,∑^pi=1σ^2iVi)给出了方差分量在平方损失下的Bayes不变二次（无偏和有偏）估计,对（y,Xβ,∑^pi=1σ^2iVi)给出了均值参数在矩阵损失和平方损失下的Bayes线性（无偏和有偏）估计。     

随机效应线性模型在不等式约束下的可容许估计

本文研究了一般的Gauss-Markov(简记G-M)线性模型(Y,Xβ,σ2 V),其中V≥0已知,获得了不等式Rβ≮0约束以及矩阵损失函数下非齐次线性估计可容许的充要条件.     

线性模型的广义压缩预测

考虑线性模型y=Xβ+e,E(e)=0,Cov(e)=σ2V在V=IN且2≤ rkX=P≤N假设下,针对X的复共线性,提出了广义压缩预测.     

矩阵损失下随机效应模型回归系数的齐次线性MINIMAX估计

对于随机效应模型{Y=Xβ ε E(βε)=(Aα0) Cov(βε)=σ2(V1 00 V2),(Vi＞0,i=1,2)这里β和ε分别为p维和n维的随机向量.我们对β和α的可估函数Sα Qβ进行估计,在一定条件下,得出了可估函数Sα Qβ在齐次线性估计类中的唯一的MINIMAX估计.     

一般线性回归模型的有偏估计及其容许性

根据线性回归模型[y=Xβ+ε;ε～(0,σ2V);V>0],给出了一种新的有偏估计βd(V),讨论了该有偏估计的优良性质,在均方误差矩阵准则下比较了新估计与广义最小二乘估计的性能,并证明了其容许性.     

正态线性模型中可估函数的极小极大估计(英文)

论述正态线形模型NL(Xβ,δ~2V),其中V为已知k×n正定矩阵,σ~2>0为未知参数,在二次损失|σ~2 β~TX~TV~1Xβ|~1||δ SXβ||下,根据可容许性理论,证明了SXβ的线性估计是其一切估计类中的唯一极小极大估计。     

二次损失下齐次线性估计类中关于不等式约束的可容许估计

刻划了线性模型(Y,Xβ,σ2V)在不等式约束r'β≥0条件下的线性估计的可容许性,在二次损失下,给出了在齐次线性估计类中可容许的一个充要条件。     

约束线性回归模型的一种有偏估计

对于带约束的线性回归模型,y=Xβ+e,E(e)=0,Cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R(k≥0),讨论了其一些性质,而且给出了在均方误差阵下β*R(k)优于β*R的条件.     

正态线性模型中误差方差的一类不可容许的二次型估计

设y_1,y_2,…y_n是均值为β,方差为σ~2的相互独立的随机变量,β∈R~1,σ~2>0均是未知参数.本文证明了:当α>1/(n+2)时,在损失函数(d-σ~2)~2/σ~4下,aS~2+bY~2不是σ~2的可容许估计,其中S~2=??(y_i-y)~2,y=1/n??y_i.     

正态均值向量参数的估计

本文给出了控制最小二乘估计的James-Stein型改进估计量,刻划了正态模型Y～N(Xβ,σ~2V),V可以奇异,σ~2∈S(?)(0,+∞),0(?)(?)下的线性可容许估计的特征。     

线性模型误差协方差阵的扰动对线性假设F检验显著水平的影响

讨论正态线性模型Y＝Xβ ε,ε-N(0,σ^2V)中关于参数β的假设检验问题H0：Hβ＝0。给出V≠kIn时通常的F检验显水平的上界和下界。     

线性模型中均值向量的LSE和BLUE的偏差

考虑线性模型Y=Xβ e,这里E（e）=0,Cov(e,e)=σ^2V,V是非负定矩阵。众所周知,u=Xβ的最小二乘估计和最优线性无偏估计分别为u=X(X‘X)^-X‘Y和u=X(X‘T^-X)^X‘T^-Y,这里T=V XUX‘,U是矩阵满足R(T)=R(V:X)且T≥0。该文讨论V≥0时u与μ的偏差。在满足一定条件下得到相似的Haberman的一个界。在欧氏范数下,得到使Haberman条件成立的一个便于应用的充要条件。证明了类似于[2]界的推广形式,并把[3]界推广到V≥0。     

不等式约束下线性模型中回归系数的所有可容许估计

对于线性模型Y=Xβ+ε, ε~N(0,V]), V>0已知, 给出了在不等式约束RXβ≥0下[WTHX]β[WT]的线性估计在二次损失下及一切估计类中为可容许的充要条件.     

协方差矩阵的MINQUE和简单估计的比较

在二次损失函数下,作者研究了多元线性模型协方差矩阵的MINQUE估计和简单估计的比较问题,其中多元线性模型的设计矩阵和离散矩阵可以不满秩,得到了一个充分和必要条件。     

熵和对称损失函数下MINQUE和简单估计的比较(英)

在熵损失和对称损失函数下，研究了多元线性模型协方差矩阵的MINQUE估计和简单估计的比较问题，其中多元线性模型的设计矩阵和离散矩阵可以不满秩.并证明了，在熵损失函数下，MINQUE估计总是优于简单估计.     

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(XΘ，σ     

具相关观测值模型未知参数的BLUE的性质

<正> 一、引言 A.E.Hoerl和R.W.Kennard 1979年在[1]中对独立观测值线性模型(Y,Xβ,σ~2I_u)参数β的LSE(Least Squares Estimators)提出了一个猜测,这一猜测在1984年由P.S.S.N.V.P.Rao和M.Precht在[2]中给出了证明。本文在他们工作的基础上,用[3]中的方法,把[2]中这一结果推广到对具相关观测值线性模型(Y,Xβ,σ~2G),|G|(?)0的未知参     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

非紧距离空间上的Lipschitz-α算子

引入大Lipschitz-a^＊数和小Lipschitz—a^＊数以及算子空间L^α＊（X,Y）,Lβ^α＊（X,Y）,l^α＊（X,Y）,lβ^α＊（X,Y）,证明了L^α＊（X,Y）关于范数‖·‖1构成Banach算子空间,L^α＊（X,Y）关于范数‖·‖a＊,‖·‖max构成Banach空间,进一步证明它们各自构成Banach代数并讨论了由有界算子空间构成的Banach代数（L^α＊（X,Y）,‖·‖a＊）与有界算子空间构成的Banach代数（Lβ^α＊（X,Y）,‖·‖a＊）之间的关系．