线性模型中回归系数的c-F(K)型估计的研究和应用

针对引起线性回归模型最小二乘估计性能变坏的根本原因,在线性回归模型中提出了一种新的有偏估计β^(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β^(F(K))具有优于广义岭估计的优良性质,然后将β^(F(K))应用到多元线性回归模型的可容许性上.

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因,提出了一类新的估计———c-k型估计,将岭估计与Stein估计统一到一个估计类;研究了这一估计类,证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下);同时研究了相应参数的最优值,分别给出了它的一个上界及下界,为病态线性回归模型系数的有偏估计提供了改进的技术途径.

线性回归模型系数Stein估计的改进研究

在线性回归模型Y=Xβ，E（ε）=0；COV（ε）=σ^2Ⅰ下给出了有偏估计βc（K）=（CX’X）＋ФKФ＇）^-1X’Y，其中C≥1，K=diag（k1，k2，…，kp）为对角阵，ki≥0，讨论了这种有偏估计的可容许性，证明利用广义岭回归技术可以改进著名的Stein估计（在均方误差意义下）。

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.

线性模型回归系数c-(K,S)型估计的优良性

根据线性回归模型Y=Xβ＋ε,E（ε）=0,COV（ε）=σ^2I,对回归系数的有偏估计c-（K,S）型估计进一步研究;讨论了c-（K,S）型估计的优良性,在一定的条件下获得β_c（K,S）估计与LS估计的相对效率的界,并由此得出在设计阵病态时,β_c（K,S）型估计的精度明显高于LS估计;最后,证明了c-（K,S）型估计的可容许性,从而有助于病态线性回归系数有偏估计的进一步改进.

空气中C_4A_3的热分解动力学

1 引言 在K型膨胀水泥中,3CaO.3Al_2O_3.CaSO_4(C_4A_3S)是以铝为主体骨架的化合物。该水泥是Klein于1966年研制出来的,它是由波特兰水泥熟料、膨胀熟料与石膏和(或)无水石膏共同粉磨而制得。 膨胀熟料除了含C_4A_3S外,还含有阿利特、贝利特、C_4AF、CaSO_4和一些游离氧化钙。它们是在回转窑中经1 300～1 400℃温度范围内煅烧而成。

线性回归模型系数岭估计的改进研究

对作者提出的c-k型估计,进行了进一步的研究.证明利用Stein式压缩技术可以改进岭估计(在均方误差意义下);同时给出了参数的最优值满足的条件.证明了c-k型估计的可容许性.文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径.

多元线性模型系数岭估计的改进研究

文章对病态的多元线性模型Yn×q^(Xn×pBp×q,Vq×q In×n)提出了c-k型估计,证明了利用Stein式压缩技术可以改进岭估计;同时给出了参数最优值满足的条件,证明了c-k型估计的可容许性。

对Stein的SLS估计的改进研究

提出一类新的估计——c-(K,S)型估计,证明了在均方误差意义下运用泛岭回归技术可以改进S te in的SLS估计,同时给出了参数的最优值满足的条件.