带Gauss型误差具有Rao简单结构的GMANOVAMANOVA模型中未知参数的置信域.pdfVIP

第32卷第5期 云南师范大学学报 V01．32No．5 ofYunnanNormal 2012年g月 Journal University Sept．2012 模型中未知参数的置信域+ 杨建红， 郑大川， 刘雯， 吴瑞武 (云南农业大学基础与信息工程学院，云南昆明6j0201) 摘 要： 对于带Gauss型误差具有Rao简单结构的GMAN()VAMAN()VA模型利用极大似然估计 的方法构造了未知参数的置信域。由此可更好地了解此模型的理论意义和实用价值。 关键词：GMAN()VA～MAN()VA模型；Gauss型误差；Rao简单结构；极大似然估计；置信区域 中图分类号： ()212．2 文献标识码： A 文章编号： 1007—9793(2012)oj一0037—07 l 引 言 oi GMAN()VA—MAN()VA((二eneralizedMultivariateo{variance—Multvariate Analysis Analysis variance)模型1985年首次由Chinchilli和Elswick-1j两人提出，将模型定义为： y—XB。Z-+B2Z；+E (1) 其中y为q×”的可观测随机响应矩阵，X为q×夕的已知常数阵，Z。和Zz分别为，z×m和行×s的已 知设计阵，E为q×竹的不可观测随机误差阵，B，和Bz分另《为p×，盯和(『×s的未知回归系数阵。显然 该模型既包含了通常的生长曲线模型，又包含了通常的多元线性模型，并且该模型对于分析生物数据 非常重要。由于它具有丰富的理论内涵及广泛应用于生物、医学、经济等领域，因此备受人们的关注。 在以往的研究中，为了便于处理，人们大多对误差阵E作以下正态性假设： E～N∞(o，I。⑧∑) (2) 未知协方差阵。在假设(2)之下，人们对模型(1)进行了多方面的探讨，获得了一系列的重大的 成果m㈨4I。 但在研究诸如股票收益率等商业数据时正态性假设(2)就不被满足，一般认为，若观测数据的分布 呈对称性，其尾部比正态分布略厚一些，则采用r一分布较为合理。本文假设误差阵E的分布由以下方 式确定： lET=￡～N∞，(o，÷L⑧∑)，fO_ (3) lP(T0)一1， * 06 20 收稿日期：2()12 基金项目：云南省教育厅基金资助项目(09Y0218)。 作者简介：杨建红(1972一)，女，云南昆明人，硕士，讲师，主要从事多元统计方面的研究 通讯作者：吴瑞武． 万方数据 · 38· 云南师范大学学报(自然科学版) 第32卷 中E的密度函数为： P￡(e)一(2丌)妒／2 (4) l∑I一号E[P佗以r(一寺P7∑-1P)]，P∈R庐” 其中1A (玉mm“(y／2，1／2)时，即T的密度函数为： R (5) Q卜万南历