多元线性模型在平衡损失下的UMRE估计的存在性

对于设计矩阵列满秩的多元线性模型,在矩阵平衡损失函数下,本文给出了参数矩阵存在一致最小风险同变估计(UMRE估计)的充要条件(在仿射变换群和转移变换群下).     

椭球等高分布情形下扩展增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了扩展增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件。     

增长曲线模型中协差阵与回归系数阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计,并得到了最小模不变二次加线性无偏估计成为一致最小方差不变二次加线性无偏估计以及一致最小方差不变二次加线性无偏估计存在的充要条件。     

平衡损失下回归系数James-Stein估计的性质

在平衡损失下给出了回归系数James—stein估计优于最小二乘(LS)估计的充要条件，得到了在Pitman close—ness准则下James—Stein估计相对于LS估计的优良性。     

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.     

增长曲线模型中协差阵的最优估计

在椭球等高分布情形下给出了增长曲线模型中协差阵的最小模估计,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件.     

扩展增长曲线模型中协差阵与回归系数阵的同时估计及其优良性

在椭球等高分布情形下给出了扩展增长曲线模型中协差阵与回归系数阵的最小模估计,并得到了最小模估计成为一致最小方方差不二次加线性无偏估计的充要条件。     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

刻度参数同变估计类(ξ)1中估计的ε稳定性

采用统计判决中的最优准则方法,讨论了在平方损失函数下与刻度参数的最小风险同变估计Tn有关的一般同变估计类(ξ)L1=Tn1+∑n-1i=1ci(Xi)/(Xn)中估计的ε稳定性问题,给出了此估计类中估计的ε稳定性条件,并用该方法讨论了Γ分布族刻度参数λ估计的ε稳定性.     

第二类多元t分布模型中参数的一致最小风险同变估计的存在性

利用多元正态分布和gamma分布定义了另一种形式的多元t分布,称为第二类多元t分布,并研究了第二类多元t分布模型中参数的一致最小风险同变估计的存在性问题．     

基于指数分布的可靠度函数及其反函数的UMVU估计

可靠性理论中，可靠度函数及其反函数通常都是未知的，需要依据样本进行估计．在服从指数分布的情况下，研究了可靠度函数及其反函数的UMVU估计的存在性问题；利用充分统计量和完备统计量理论，分别给出了指数分布情形下可靠度函数及其反函数的UMVU估计；进一步讨论了估计的相合性问题，证明了上面给出的可靠度函数及其反函数的UMVU估计具有强相合性．     

方差分量模型中线性估计的最优性及可容许性

将随机效应线性模型和方差分量模型合并为一种模型,即具有随机回归系数的方差分量模型;给出了随机回归系数和参数的线性可估函数的最优线性无偏估计以及在矩阵损失函数下的可容许性;在正态假设下,讨论了线性估计在一切估计类中的可容许性.     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

协方差的二次估计的可容许性

 研究协方差的二次估计的可容许性,在平方损失下,我们给出了一个齐次二次估计在齐次二次估计类中是协方差的容许估计的充要条件和一个非齐次二次估计在非齐次二次估计类中是协方差的容许估计的充要条件.     

平衡损失下带约束的回归系数的线性容许估计

文章在推广的矩阵形式的平衡损失函数下,利用矩阵的向量化方法,研究了带线性约束的多元线性模型中回归系数的线性可容许估计;并在齐次线性估计类和非齐次线性估计类中,分别得到了齐次线性估计和非齐次线性估计是可容许估计的充分和必要条件,推广了有关文献的结果。     

不等式约束下多元线性模型中线性估计的可容许性

研究多元线性模型在不等式约束下齐次线性估计和非齐次线性估计的可容许性, 刻画了二者之间的关系, 得到了齐次线性估计(非齐次线性估计)在齐次线性估计类(非齐次线性估计类)中是可容许的充要条件.     

矩阵损失下线性估计可容许性的注记

研究矩阵损失下线性模型中线性估计的可容许性, 利用矩阵论的相关知识给出了齐次线性估计类和非齐次线性估计类中可容许估计的新刻画, 并举例说明所给条件更易于应用.     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

回归系数的线性有偏估计

给出回归系数的最小均方误差线性有偏估计、线性有偏估计优于最小二乘估计的充要条件及线性有偏估计为可容许估计的充要条件,同时给出文献中未涉及的一些有偏估计．     

一类多元线性模型的一致最小方差无偏估计

本文讨论一类多元线性模型 :y=(S T′) β+e,E(e) =0 ,e=(ε′(1) ,… ,ε′(n) )′,E(ε(i) ε′(n) ) =Φ 0 ,E(ε(i) ε′(i) ε(i) ε′(i) ) =K,i=1 ,2 ,… ,n.当 y准正态分布时 ,在一定意义下得到Φ的 L S估计Φ1,以及 tr(DΦ1)为 tr(DΦ ) (D=D′)的一致对 (Φ ,k)的最小方差无偏估计 (UMVUE)的若干充要条件 .