二次损失下一般Gauss-Markov模型的线性预测的Minimax的可容许性

对不带约束的一般Gauss-Markov模型的线性预测在齐次线性预测类中的Minimax可容许性作了较深入的讨论,得出线性预测在齐次预测类中Minimax可容许的充要条件．     

二次损失下G-M模型中可估函数的条件Minimax可容许性

在二次损失下,该文关于任意矩阵V对G-M模型讨论了在齐次线性估计类中可估函数的条件Mimimax可容许性.     

二次损失下带约束增长曲线模型的线性容许Minimax估计

在二次损失下,讨论了带等式约束的增长曲线模型的参数阵在适当的线性估计类中是线性Minimax容许估计的充分必要条件.     

在二次损失下参数估计的可容许性

一方面讨论了在模型H4及二次损失L1下,LY是SXB在线性估计类中的可容许性估计的充分必要条件,另一方面讨论了在模型H4中,当参数ξ服从N(O,In(⊕)V)时,假定这个新的模型记为H41,讨论此模型下参数估计的可容许性的充分条件.     

二次损失下方差分量模型中回归系数的线性Minimax估计

考虑方差分量模型,对任一可估函数,在二次损失下得到了线性可估函数在齐次估计类中的唯一的线性Minimax估计.     

增长曲线模型参数唯一线性容许Minimax估计

对于一般增长曲线模型，在二次损失函数下分别找到了参数阵的线性可估函数在给定的齐次线性估计类和非齐次线性估计类中的容许Miniarx估计，并证明了这两种估计分别是唯一的。     

一般Gauss-Markov模型中参数岭估计的可容许性的一个证明

讨论一般Gauss-Markov模型中参数岭估计的有关问题，并在均方误差矩阵意义下，证明了一般岭估计在线性估计类中是否容许估计。     

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。     

熵损失函数下两参数指数-威布尔分布形状参数的可容许性估计

在熵损失函数下,得到了两参数指数-威布尔分布形状参数的Bayes估计和可容许估计,并讨论了一类(cT+d)-1形式估计的可容许性和不可容许性.     

增长曲线模型参数阵的唯一线性容许Minimax估计

对于一般增长曲线模型 ,在二次损失函数下分别找到了参数阵的线性可估函数在给定的齐次线性估计类和非齐次线性估计类中的容许Miniarx估计 ,并证明了这两种估计分别是唯一的     

椭球约束下混合模型的线性极小极大估计

给出在椭球约束下带随机信息的混合模型的线性极小极大估计b(2 ) ,讨论了b(2 ) 在MDE-Ⅱ准则下相对于经典回归模型在椭球约束下的线性极小极大估计b(1) 的优良性 ,并得出了b(2 ) 比b(1) 优的一个充分条件     

一般岭估计与BLUE的一个新的相对效率

考虑了Gauss—Markov模型中未知参数向量p的最佳线性无偏估计的改进问题,对一般岭估计与BLUE进行了比较,给出了一般岭估计与BLUE的一种新的相对效率e,并导出了e的下界．     

线性模型中压缩主成分估计的若干性质

讨论了压缩主成分估计的若干性质,证明了在一定条件下此估计比最小二乘估计有更小的广义均方误差,并且在PC准则下也优于最小二乘估计．     

相依误差下回归权函数估计的强相合性

在φ-混合误差下，讨论固定设计多元回归权函数估计的强相合性。