一个估计的非负最优性

考虑多元线性模型Y=X_1BX'_I+Uε,Eε=0.假设ε=ε,Eεε’=I∑,Covεε’=2(I∑)(I∑).∑~*是∑的一定意义下的最小二乘估计,C≠0是非负定阵,本文给出了tr(C∑~*)是tr(C∑)的一致最小方差非负二次无偏估计的充要条件。     

用广义逆矩阵方法对矩阵秩的一些讨论

本文给任意除环上的矩阵的秩提出了一个公理化定义,并且从定义出发证明了一些常见的矩阵秩的性质。整个讨论试图使用一些最初步的广义逆矩阵知识而避免使用向量的线性相关、线性无关及向量空间的基、维数等概念。能够这样做是因为通常讨论矩阵秩时使用的消元法或找齐次线性方程组解空间的方法,都可以用广义逆矩阵给出形式化的表示。     

多元正态线性模型中一个估计是最优非负二次估计的条件

考虑多元线性模型_nY_p=X_1BX_2~′+■ε～N_(np)(0,I■∑).∑~*是∑的一定意义下的最小二乘估计.对指定的非负定阵C,本文给出了tr(C∑~*)是tr(C∑)的一致最小方差非负二次无偏估计的充要条件.     

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   

回归模型中一个Gauss-Markov估计的存在问题

Drygas,H.在[1]中讨论了方差协方差分量模型中某些 Gauss-Markov 估计(以下简记为 GME)的存在问题,作为一个例子,证明了多元准正态回归模型:Ey=     

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)