一般岭估计与BLUE的一个新的相对效率.pdfVIP

第 24卷第 6期 德 州 学 院 学 报 VO1．24，NO．6 Dec．。2008 2008年 l2月 JournalofDezhouUniversity 一 般岭估计与BLUE的一个新的相对效率 周小双 ，张明峰 (德州学院数学系，山东德9,1{ 253023) 摘 要 ：考虑 了Gn“—Markov模型中未知参数 向量 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 的下界． 关键词 ：最佳线性无偏估计 ；一般岭估计 ；相对效率 ；离差阵；下界 中图分类号 ：0212 文献标识码 ：A 文章编号 ：1004—9444(2008)06—0021一O2 考虑一般 Gauss--Markov模型 一 v—X口+ ，E(P)=0，Coy(8)一∑ (1) 其中M (8 (k))为一般岭估计 (k)的离差 阵，M 其中y—y 为观测向量 ；X—X 为设计矩阵并且 R(X)一P，— 为未知参数 向量 ，e一 为随机 ( )为最佳线性无偏估计 卢 的离差阵． 文中给出了线性模型 (1)式中一般岭估计与最 误差 向量 ，∑一∑ 为正定矩阵． 佳线性无偏估计的一种新的相对效率 当∑已知时，未知参数 向量 的广义最小二乘 估计 ，即最佳线性无偏估计 (BLUE)为 一 (X 一 ( 一 √ (2) ∑ X) X ∑ Y，其协方差矩阵为 Cov(fl)一 (X 当 q一1时，e— ，因此 e可看作是e 的一种推广 ， ∑ X)_。，J8的最小二乘估计为 一(XX) Xy， 对它的讨论是有必要的． 其协方差矩 阵为 Coy()一 (X X) x ∑X(X X)一 ，由Gauss—Markov定理 ，广义最小二乘估计 1 主要定义与引理 总是优于最小二乘估计 ，有 Coy(B ) Coy()，即 定义 lⅢ 在模型(1)式下，未知参数 向量 的 有 (XX) X ∑X(XX) (X ∑ X)_。． 估计 (是)一(X ∑ X+是J) X ∑ Y称为 的 对于上述模型 (1)，设 … 0为 X 一 般岭估计 (GRE)，这里 kO称为岭参数 ． ∑ X 的P个特征根，满足 QX ∑ XQ一以一diag 定义 2 对于未知参数 卢，设 卢为卢的估计 ( ，2，… )，则 BLUE卢 的均方误差 (MSE)为 量，定义M (fl，)一E(p一』9)(卢一 )为卢的离差阵． MSE(fl )一 ，-(x ∑ x)一一 ，当 x ∑一x ‘ 。 。 。 i。。 1