一般线性模型下删除观测值的影响

在一般情形下，给出了在模Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下Ｘｄβ的最佳线性无偏估计的表达式，得到了二者相等的充要条件，给出了在模型Ｍｄ下Ｘｄβ的最小二乘估计是Ｍ下Ｘｄβ的最佳线性无偏估计的充要条件，以及Ｍｄ下σ＾２的最小范数二次无偏估计是Ｍ下σ＾２的最小范数二次无偏估计的充要条件。     

带约束的线性模型中的可容许线性估计

在Gauss-Markov模型(Y_(n×1),X_(n×p)β_(p×1),σ~2V,V≥0)下,若S_(s×p)β可估,Rao及其他一些作者给出了Sβ的线性估计,在二次型损失函数下是可容许的充要条件。当参数受约束:β′Nβ≤σ~2,N>0时,Hoffmann,Mathew分别就V>0与V≥0的情形,讨论了β的线性估计的可容许性问题。本文将进而给出Sβ的线性估计AY在线性估计类中是可容     

一些最优的区组—因子设计

给定 b 个大小为 k 的区组,总共有 N=bk 个试验单元.现在要在这 b 个区组上安排一个两因子试验,假定因子 F_1有 v_1个水平,因子 F_2有 v_2个水平。我们称这样的试验设计为具有参数(v_1,v_2,bk)的区组——因子设计,简记为 BFD(v_1,v_2,bk).所有这种设计的全体记为Ω(v_1,v_2,bk).容易看出,我们所考虑的区组——因子设计是把两个区组设计 d_1(v_1,b,k),d_2(v_2,b,k)叠置在一起得出的设计.当 v_1|k,v_2|k,且 d_1与 d_2相互正交时,这     

广义相关系数与估计的稳健性

研究了广义相关系数与线性相依的关系，并应用这些结果刻划了最佳线性无偏估计的稳健性。     

删除一个观测值对估计量的影响

给出在模型Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下β的最佳线性无偏估计差的表达式，并得到了二者相等的充要条件，还给出了在模型Ｍｄ下β的最小二乘估计是Ｍ下β的最佳线性无偏估计的充要条件。     

一些区组设计的E最优性

利用 Rayleigh 商,我们建立了任一区组设计品种效应的信息阵的最小非0特征根所满足的一些不等式.以它们为工具,我们得到了一些添加的区组设计的 E 最优性,本文的结果削弱了[1]中定理的条件,证明也更加简洁。