1) `Homogeneous Linear minimax estimator
齐次线性minimax估计
2) linear Minimax estimator
线性Minimax估计
1.
The seemingly unrelated regression model(1) converting into(2) is studied,under matrix loss,it is given a unique linear Minimax estimator of a linear estimable function SXβ,for Cov(Y)=σ2(∑In) when σ2>0 is unknown while ∑>0 is know.
研究了相依回归模型(1)在改写为模型(2)后,对Cov(Y)=σ2(∑In)中σ2>0未知而∑>0已知时,在矩阵损失下给出一个线性可估函数SXβ的惟一线性Minimax估计。
3) Minimax linear estimation
Minimax线性估计
4) linear minimax estimate
线性Minimax估计
1.
Under suitable hypotheses, we obtain the unique linear minimax estimate of Sβ (We mustcomprehend uniqueness in the sense" almost everywhere" ).
在适当的假设下，得到了Sβ的唯一线性Minimax估计（有关唯一性在几乎处处意义下理解）。
5) homogeneous/inhomogeneous linear estimator
齐次/非齐次线性估计
6) Nonhomogeous Linear Estimates
非齐次线性估计
1.
Admissibility of Nonhomogeous Linear Estimates of Multivariate Regression Coefficient on a New superior Standard Under the Matrix Loss Function;
多元回归系数非齐次线性估计在新的优良性准则下的容许性
补充资料：二阶线性齐次微分方程
二阶线性微分方程的一般形式为
ay"+by'+cy=f(1)
其中系数abc及f是自变量x的函数或是常数。函数f称为函数的自由项。若f≡0，则方程（1）变为
ay"+by'+cy=0（2）
称为二阶线性齐次微分方程，而方程（1）称为二阶线性非齐次微分方程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条