1) UMVIQLUE
一致最小方差不变二次加线性无偏估计
1.
In this paper,for any given C=C′≠0 and D=(d (1) ,d (2) ,…,d (k) )′,we obtain the MINQLE(U,I) and the UMVIQLUE of tr(C∑)+tr(D′B).
在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计 ,并得到了最小模不变二次加线性无偏估计成为一致最小方差不变二次加线性无偏估计以及一致最小方差不变二次加线性无偏估计存在的充要条
2) UMVIQUE
一致最小方差不变二次无偏估计
1.
In the paper,the MINQE(U,I) of variance components is given,and the necessary and sufficient conditions for the MINQE(U,I) to be UMVIQUE have been obtained.
给出了生长曲线模型中方差分量的无偏不变最小模二次估计,并且讨论了它成为一致最小方差不变二次无偏估计的充要条件。
2.
d, and meanwhile, the necessary and sufficient condition is obtained for the LSE to be UMVIQUE.
在准正态情形与独立同分布情形下,分别给出了一个推广增长曲线模型中协差阵 的最小二乘估计,并得到了最小二乘估计成为一致最小方差不变二次无偏估计的充要条件。
3.
condition for the MINQE(U,I) to be the UMVIQUE.
在椭球等高分布情形下给出了扩展增长曲线模型中协差阵的最小模估计 ,并得到了最小模估计成为一致最小方差不变二次无偏估计以及一致最小方差不变二次无偏估计存在的充要条件。
3) MINQLE(U,I)
最小模不变二次加线性无偏估计
1.
In this paper,for any given C=C′≠0 and D=(d (1) ,d (2) ,…,d (k) )′,we obtain the MINQLE(U,I) and the UMVIQLUE of tr(C∑)+tr(D′B).
在椭球等高分布情形下给出了增长曲线模型中协差阵与回归系数阵的最小模不变二次加线性无偏估计 ,并得到了最小模不变二次加线性无偏估计成为一致最小方差不变二次加线性无偏估计以及一致最小方差不变二次加线性无偏估计存在的充要条
4) uniformly minimum variance nonnegative quadratic unbiased estimation
一致最小方差非负二次无偏估计
1.
Sufficient and necessary conditions are given for the existence of uniformly minimum variance nonnegative quadratic unbiased estimation (UMVNNQUE) of tr(CV) and for (vecY) MAM(vecY(A≥0) to be an UMVNNQUE of tr(CV).
在准椭球等高分布下给出了生长曲线模型中tr(CV)的一致最小方差非负一次无偏估计存在及任一个非负二次估计成为一致最小方差非负二次无偏估计的充要条件。
5) UMVUE
一致最小方差无偏估计
1.
Judgement and Solution Methods of UMVUE;
一致最小方差无偏估计的判定及其求法
2.
The maximum likelihood estimate and uniformly minimal variance unbiased estimate (UMVUE) of MTTF were made on the one-unit system whose lifetime was assumed to be on GAMMA distribution.
讨论寿命服从单参数GAMMA分布单元平均寿命的极大似然估计和一致最小方差无偏估计;应用BASU定理求出了单元可靠度及串联系统可靠度的一致最小方差无偏估计。
3.
In this paper,they were obtained,the MLE,UMVUE and Bayesiun estimate of N .
设随机变量X服从1,2,…,N上的均匀分布,(X1,X2,…,Xn)为来自X的一组简单随机样本,推导出了N的极大似然估计、一致最小方差无偏估计及Bayes估计,并在极大似然估计的基础上给出了N的区间估计及检验统计量,最后通过一个实例说明了上述方法的应用。
补充资料:线性最小二乘估计
以误差的平方和最小为准则根据观测数据估计线性模型中未知参数的一种基本参数估计方法。1794年德国数学家C.F.高斯在解决行星轨道预测问题时首先提出最小二乘法。它的基本思路是选择估计量使模型(包括静态或动态的,线性或非线性的)输出与实测输出之差的平方和达到最小。这种求误差平方和的方式可以避免正负误差相抵,而且便于数学处理(例如用误差的绝对值就不便于处理)。线性最小二乘法是应用最广泛的参数估计方法,它在理论研究和工程应用中都具有重要的作用,同时它又是许多其他更复杂方法的基础。线性最小二乘法是最小二乘法最简单的一种情况,即模型对所考察的参数是线性的。线性动态模型为
yk=xθ+εk式中数据向量xk=[yk-1,yk-2,...,yk-n,uk-1,uk-2,...,uk-n]T;参数向量θ=[-a1,-a2,...,-an,b1,b2,...,bn]T;εk为误差;n为模型阶数;N为数据长度(N≥2n)。
选择估计准则
使J为最小的参数估计,称为模型的线性最小二乘估计,用符号孌LS表示。可以得出
孌LS=(XTX)-1XTY式中矩阵XT=[xn+1,xn+2,...,xnn+N];向量Y=[yn+1,yn+2,...,ynn+N]T。
孌LS是数据的线性函数,因此称为线性最小二乘估计。它的突出优点是:对于任何一组数据,只要孌LS存在,不要求了解误差序列{εk}的统计特性,便能按照J求出孌LS;算法很简单。
孌LS存在的条件是矩阵(XTX)满秩,这要求{uk}为n阶持续激励输入。
当误差序列{εk}是零均值的白噪声,并对输入、输出功率加以适当的限制时,孌LS是渐近无偏的强一致性估计,即当N →∞时,。但是对于有限的数据,上述结论不能成立,而且通常误差{εk}也不是白噪声,故一般情况下孌LS是有偏估计,这是它的缺点。为了克服这个缺点,可以采用其他改进的估计算法,例如广义最小二乘估计、辅助变量估计和极大似然估计等。
上述单输入单输出系统的线性最小二乘估计算法还可推广到多输入多输出系统,并且有相应的递推估计算法。
参考书目
G.C.哥德温、R.L.潘恩著,张永光、袁震东译:《动态系统辨识:试验设计与数据分析》,科学出版社,北京,1983。(G.C.Goodwin and R.L. Payne,DynamicSystem Identification: Experi-ment Design and Data Analysis, Academic Press, NewYork,1977.)
yk=xθ+εk式中数据向量xk=[yk-1,yk-2,...,yk-n,uk-1,uk-2,...,uk-n]T;参数向量θ=[-a1,-a2,...,-an,b1,b2,...,bn]T;εk为误差;n为模型阶数;N为数据长度(N≥2n)。
选择估计准则
使J为最小的参数估计,称为模型的线性最小二乘估计,用符号孌LS表示。可以得出
孌LS=(XTX)-1XTY式中矩阵XT=[xn+1,xn+2,...,xnn+N];向量Y=[yn+1,yn+2,...,ynn+N]T。
孌LS是数据的线性函数,因此称为线性最小二乘估计。它的突出优点是:对于任何一组数据,只要孌LS存在,不要求了解误差序列{εk}的统计特性,便能按照J求出孌LS;算法很简单。
孌LS存在的条件是矩阵(XTX)满秩,这要求{uk}为n阶持续激励输入。
当误差序列{εk}是零均值的白噪声,并对输入、输出功率加以适当的限制时,孌LS是渐近无偏的强一致性估计,即当N →∞时,。但是对于有限的数据,上述结论不能成立,而且通常误差{εk}也不是白噪声,故一般情况下孌LS是有偏估计,这是它的缺点。为了克服这个缺点,可以采用其他改进的估计算法,例如广义最小二乘估计、辅助变量估计和极大似然估计等。
上述单输入单输出系统的线性最小二乘估计算法还可推广到多输入多输出系统,并且有相应的递推估计算法。
参考书目
G.C.哥德温、R.L.潘恩著,张永光、袁震东译:《动态系统辨识:试验设计与数据分析》,科学出版社,北京,1983。(G.C.Goodwin and R.L. Payne,DynamicSystem Identification: Experi-ment Design and Data Analysis, Academic Press, NewYork,1977.)
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