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)     

最优回归设计

向量Y是n×1观测向量;X是n×p矩阵,它的第i行为f′(X_i);X_i是预测变量的g×1向量;f＇(X_i)与假定的响应函数形式有关,而且是p×1向量;β是未知参数的p×1向量;ε是具有相同分布的独立随机变量的n×1向量,而且中值为零,方差为σ~2,假设试验区间X是紧致的以及f_i(X_i)在X上是连续的.如果用最小二乘法去估计参数β,则估计值     

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.     

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   

讨论DIMR[V：A]＝DIMR（A）＋DIMR（VA）的条件

对[1]中的结论：设Vn×n是n阶非负定阵,An×p是任一n×p阶矩阵,则有dimR[VA]=dimR(A) dimR(V)其中A⊥表示满足ATA⊥＝0的最大秩阵,将其条件Vn×n非负定拓宽为Vn×n是任一对标阵。     

完全不可分解矩阵的广义最大密度指数

设A是一个周期为p的n×n不可约布尔矩阵,［3］中定义了A的广义最大密度指数hA(k).令DISF(k)={hA(k)|A∈FIMn},其中FIMn是所有n×n完全不可分解矩阵的集合,本文证明了DISF(k)={1,2,…,n-1}.     

有限域Fq上轮换矩阵的特征多项式与极小多项式

给出有限域Fq上n×n轮换矩阵的特征多项式和极小多项式的表达式,并给出当n=2p时,二元域F2上n×n轮换矩阵的特征多项式与极小多项式相等的充要条件,即轮换矩阵circ(c0,c1,…,cv2v-i)的特征多项式与极小多项式相等当且仅当c1+c3+c5+…c2v-i,为奇数或0时.     

Am×n·Bn×p的快速算法

本文以二阶矩阵快速乘法的W算法为基础,给出了Am×n·Bn×p的快速算法.     

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     

矩阵非异性判定

本文利用矩阵块对角占优的性质,给出矩阵非奇异的几个判定条件。下面用 R~(n×n)表示 n 阶实方阵的全体,用 C~(n×n)表示 n 阶复方阵的全体,并令,Z~(n×n)={A=(a_(ij))∈R~(n×n)|a_(ij)|≤0,i≠j,1≤i,j≤n}若 A 是非奇异 M 一矩阵。则记 A∈M.引理1 设 A=(a_(ij))∈Z~(n×n),且 A_(ij)>0,1≤i≤n,令 A =,则 A∈M     

基于空间网格数据的局部纠偏Whittle似然方法

基于多维网格上大规模空间数据的似然方法往往存在计算困难的问题.当样本量较大时, 因涉及协方差矩阵的求逆, 似然方法计算复杂度较高.借助观测数据的周期图而建立的Whittle似然函数,可用于近似精确似然函数. 利用快速Fourier变换,Whittle似然方法计算效率较高.然而,Whittle似然方法会产生有偏估计. 融合核函数加权与纠偏的思想,在研究周期图均值的基础上, 提出了局部纠偏Whittle似然的推断方法,并证明了局部纠偏Whittle似然估计具有渐近正态性. 模拟结果表明: 相比局部Whittle似然方法, 该方法在谱密度推断中有更好的表现.     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

一类离散观测下非线性随机系统估计量的局部渐近正态性

研究了一类离散观测下含未知参数的非线性随机系统的渐近性问题,对似然率函数和极大似然估计量的近似值分别进行精确度分析,建立了似然率随机域来分析似然率的渐近动态特征,并借助积分中心极限定理等数学工具分析得到似然率随机域满足局部渐近正态性的充分条件,并进一步给出Berstein-Von-Mises型有界定理。     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。     

不完全数据情形下指数分布参数的最大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,本文给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,论文还提出了分组数据场合参数极大似然估计的图解求法。     

纵向数据下部分线性模型基于经验似然的变量选择

针对纵向数据下的部分线性模型, 建立基于经验似然方法的变量选择的信息准则, 证明新变量选择方法的渐近性质, 并模拟研究比较参数信息准则与基于经验似然的信息准则的有限样本性质. 结果表明, 基于经验似然方法的信息准则克服了参数似然函数有时较难得到的困难, 模型选择效果较好.     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

一个整值ARCH(p)模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断. 利用经 验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性 .     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。