等式约束二次规划问题的迭代解法

给出了等式约束二次规划问题和等式约束加权最小二乘问题的迭代解法。     

一类约束下的参数估计问题

考虑线性模型ｙｎ×１＝Ｘｍ×ｐβｐ×１＋εｎ×１,（１）其中ｙｎ×１为样本观测值,Ｘ为ｎ×ｐ阶的设计阵,β为ｐ维参数向量,εｎ×１为ｎ维随机向量,ε为随机误差．Ｅε＝０,Ｄε＝σ２Ｖ这里σ２已知或未知皆可,Ｖ为ｎ×ｎ阶非负定阵．对于线性模型（１）,...     

有约束的线性模型下的最小二乘估计与最佳线性无？…

研究了无约束的线性模型Ｍ＝（Ｙ,Ｘβ,σ＾２Ｖ）下的Ｘβ最小二估计ＯＬＳＥ（Ｘβ）与在相应的有约束的线性模型Ｍｒ＝（Ｙ,Ｘβ）Ｒ′β＝０,σ＾２Ｖ）下的最佳线性无偏估计ＢＬＵＥ（Ｘβ）的比较问题,建立了Ｍｒ下这两个线性无偏估计量相等的充要条件。     

带有线性不等式约束的线性模型参数的最小二乘估计

本文给出了求解具有线性不等式约束的线性模型参数的最小二乘估计的一个方法,并得到了这个估计的一般表达式。     

求解等式约束的二次规划问题

我们在此文中利用一类解决亚定相容线性等式与不等式组的直接方法，提出了一求解等式约束的二次规划问题的算法，讨论了算法的良好性质，实现步骤及收敛性，数值结果表明了算法的有效性。     

一类线性混合模型中的参数估计

把一类线性混合模型化为满足假设的线性模型,然后用最小二乘法、估计法给出线性混合模型中参数的估计.     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

线性约束下纵向数据部分线性模型的估计

目的 研究纵向数据部分线性模型的参数和未知回归函数的估计问题。 方法 考虑在一些统计应用中,模型参数通常带有一定的约束,提出一种基于约束最小二乘与二次光滑局部线性估计的方法。 该方法首先利用 profile最小二乘法和 Lagrange 乘数法得到参数和回归函数的约束,即 profile 最小二乘估计量;再结合改进的二次光滑局部线性估计方法得到约束条件下模型的最终估计,并在一定正则条件下,证明了所构造的参数和回归函数估计量的渐近正态性;同时,通过数值模拟得到了有约束和无约束两种情况下参数分量的偏差、标准差和均方误差,并绘制了两种情况下回归函数的拟合曲线,验证了上述方法的有效性。 结果 模拟结果表明:相对于不考虑约束条件的估计量,考虑约束条件的估计量具有更高的估计精度;回归函数的拟合曲线展现出了良好的拟合效果,进一步验证了所提出估计方法的有效性。 结论 在实际研究中,通常可以获取参数分量的一些额外信息,充分利用这些信息能够提高估计的准确性;与无约束的估计方法相比,带有约束的估计方法能使估计的效率得到提高。     

求解一类等式约束二次规划问题的交替变量极小化方法

本文针对一类特殊的等式约束二次规划问题,提出带有乘数的交替变量极小化方法.比较了一般的交替方向乘子算法与交替变量极小化算法在解决这类特殊的等式约束二次规划问题时的异同.并研究了这种特殊交替变量极小化算法的收敛性,给出了该方法的渐进收敛率.     

一类带有等式约束的二次规划问题

研究了一类带有二次目标函数及二次等式约束的优化问题．假定约束是可行、规范的,对于目标函数为正定或半正定的情形,得到了全局最优解的充要条件．     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０＜ｋ＜１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差（ＭＳＥ）分别小于最小二乘估计（ＬＳＥ）ｄ和ｄ的ＭＳＥ     

线性约束回归问题的几个算法

由实际问题建立的多元线性回归模型Y=Xβ+e,有时要求β满足某些线性约束条件,成为约束二次规划问题。利用数学规划方法给出求解线性约束回归问题的几个不同的算法,并给出计算实例以予比较。     

等式约束下线性模型的可容许性

对等式约束线性模型 ,文章得到了均值参数的条件可估函数的 BLU估计 ,且得到了其线性估计在线性估计类和一切估计类中可容许的充要条件     

降秩多元线性模型参数阵的一类有偏线性估计

本文对降秩多元线性模型的参数阵提出了一类有偏线性估计，讨论了许多重要的性质，从而把降秩模型中参数阵的估计问题转化为满秩模型中参数阵的估计问题，为了讨论方便，我们给出了一种特殊情况；最后，讨论了多元线性模型参数阵的Ｂａｙｅｓ线性估计。     

一类凸二次规划的对偶方法

推广了Goldfarb与Idnani提出的严格凸二次规划的对偶方法,使其可以用于求解一类凸二次规划,且举例说明此方法的有效性。