分组数据下两参数指数分布的参数估计

考虑两参数指数分布的参数估计问题,在分组数据和最小观察值下,给出了参数的精确极大似然估计.它比在分组数据下文献中的近似极大似然估计有更好的精度,蒙特卡罗模拟表明了这一点.     

多元回归系数线性估计的可容许性

其中X是已知矩阵;(?)和σ~2>0是未知参数;V>0是已知矩阵。简记上述模型为H。 损失函数取为:(d—S(?))’(d-S(?))。在线性模型下(m=1),此时风险函数是实函数,因此,有关风险大小的比较就自然地按数的大小来进行,而在多元线性模型下,这时的风险     

普通话水平测试员信度的统计分析

湖北省普通话水平测试中心2001年对全省的国家级测试员进行了测评能力的考核,基于这组考核数据,利用统计方法对普通话水平测试员的信度进行了定量分析,并且对其中系统偏差的测试员的评分给出了修正方法．     

未知方差下回归系数常用估计的可容许性

假设一个”维随机向量Y服从正态分布N(β，σ^2In)。在二次损失下，当n≥3和σ^2已知时，Stein在1956年指出Y不是β的容许估计，这是统计判决理论中一个著名的结果，成平在1982年对Stein结果给出了一个有趣的补充，他证明了当σ^2未知时，Y是β的容许估计。这篇文章是成平结果的一般化，即在一个宽广的分布类中，证明了当方差未知时，回归系数最小二乘估计是容许的。这表明当方差未知时，回归系数最小二乘估计是一个适合的估计。     

泛优良性和均值矩阵线性估计的泛容许性

本文仅以多元线性模型: 中均值参数矩阵的可估函数的估计为例,来引入泛优良性概念,而一般情况下矩阵参数估计的泛优良性可仿此引入。上面的X,S,U≥0和V≥0(但V≠0)是已知矩阵;和σ~2>0是未知参数,ε是ε按行的拉直;UV是U与V的Kronecker乘积;μ(X′)是X′所张成的线性空间。     

泛优良性和均值矩阵线性估计的泛容许性

讨论了矩阵参数的估计问题。试图给出损失取为矩阵损失时,风险矩阵的一个统一的比较标准——泛优良性。并得到了多元线性模型中均值参数矩阵的可估线性函数的线性估计在线性估计类中泛容许的特征。