排序方式: 共有17条查询结果,搜索用时 46 毫秒
1.
2.
讨论带有齐次线性等式约束的线性模型:Y=Xβ+ε,ε~(0, σ_V),Hβ=0,在矩阵损失下,我们给出 Sβ的估计 LY(LY+a)在齐次线性(非齐次线性)估计类中可容许的充要条件. 相似文献
3.
对随机效应线性模型(y,X_0β,Aα,σ~2V):y=x_0β+ε,E(_ε~β)=(A_α/0),Cov(_ε~β)(?)给出了下列问题的解:当且仅当 X 满足什么条件时,才能使(y,X_0β,Aα,σ~2V)下任一可估函数ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的所有 BLUE 都是(1)(y,xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性无偏估计(LUE)或 BLUE(2)(y,Xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性最小偏差估计(LIMBE)或最佳线性最小偏差估计(BLIMBE) 相似文献
4.
5.
考虑随机效应线性模型:y=Xβ+ε,Eβ=Aα,Eε=0,VAR(β′,ε′)′=σ~2 diag(I_p,I_n)针对线性可估函数ω′_1α,ω′_2β和ω′_1α+ω′_2β,我们分别给出了其G-M估计同时关于设计阵和散布阵是稳健的充要条件。 相似文献
6.
詹金龙 《昆明理工大学学报(自然科学版)》1987,(1)
本文对线性回归模型引进了一类有偏线性估计——主成分估计类,并讨论在主成估计类中,主成分估计的最优性质。证明了:在均方误差下,主成分估计到是主成分估计类中一致最优的估计;在二次损失下,主成分估计是主成分估计类中Bayes风险最小的估计。此外,还简洁地证明了主成分估计不是Bayes线性估计。 相似文献
7.
最小二乘估计的有效性 总被引:1,自引:0,他引:1
对Gauss-Markov模型,本文考虑了最小二乘估计有效性的三种度量,并给出了它们的界。 相似文献
8.
吴启光(1991)在一般的Gauss-Markoff模型,给出了回归系数的线性估计在一线估计数中可容许的充要条件,本文对此结果提出了一种新的证明方法。 相似文献
9.
10.