非线性模型参数的minimax估计.docVIP

二次损失下Guass-Markov非线性模型系数的Minimax随机优化模型 吴雄韬 易艳春 (衡阳师范学院 数学系 湖南 衡阳 421008) 摘 要：本文借用线性模型系数的Minimax估计方法，在二次损失函数下运用随机优化理论对Guass-Markov非线性模型的系数进行了研究， 建立了非线性模型系数Minimax估计的随机优化模型. 关键词：Minimax估计；随机优化；二次损失函数. 中图分类号：O211.67 文章标识码 A 0 引 言 考虑Guass-Markov非线性模型： (1.1) 其中，为维未知参数向量，为不可观测的随机误差，为随机设计阵，为观测向量，是包含随机设计阵和参数的非线性函数. 实际中，和是可测的 为了方便讨论，引入如下记号： 近些年来，有关非线性模型系数的估计问题越来越受到人们的重视，其理论也越来越成熟，其中Minimax估计方法源自冯.诺依曼的博奕理论，在研究线性模型参数的统计分析与决策问题中应用非常成熟，如文[1],[2]在这个方面就做了很深入的探讨，但在非线性模型理论研究方面一直还处在探讨之中，如Alexander shaprir, J.R.Birg, J.Dupacov, R.Jagannatha, Efron B, Morris C等人在随机优化、大样本近似随机优化、线性随机规划模型方面做了一定的研究.本文将在结合线性模型参数估计Minimax方法的基础上利用随机优化理论对非线性模型系数的Minimax估计进行了研究. 得出了非线性模型系数的Minimax估计的随机优化模型. 1 定义及符号说明 定义1.1、在模型（1-1）中，如果对于一切都有： 则称是模型（1-1）系数估计的一个风险上界. 基金项目：湖南省教育厅一般项目资助. 作者简介：1 吴雄韬（1975-），男，湖南衡阳人，讲师，硕士，主要从事概率论与数理统计方面的研究. Tel E-mail: wxt8091679@163.com. 2 易艳春（1974-），女，湖南常宁人，副教授，硕士，主要从事概率论与数理统计方面的研究. 定义1.2 在模型（1-1）中，设是模型（1-1）参数的一个风险上界，如果存在参数的一个估计对于所有的有： 则称是系数的一个Minimax估计. 1.3符号说明： （为常数）; ; ； ; ； ； ; ； （1.1） （1.2） （1.3） （1.4） （1.5） 2、定理与结论 定理2.1 在二次损失下，模型（1-1）存在风险上界的充要条件是 （1）当时，对于一切，是一个风险上界； （2）当时，对于一切，是一个风险上界； 证明：因为 = （1）当时，对于一切，显然有； （2）当时，对于一切，显然有 定理2.2 在二次损失下，非线性模型（1-1）中系数的Minimax估计为随机优化问题 的最优解问题. 证明：由定理2.1的（1）式知，当时，对于一切，是模型（1-1）系数的一个风险上界，由Minimax估计定义可知，当这个风险上界达到最小值时，就是非线性模型系数的Minimax估计，因此对应问题就可以转化为如下相应随机优化问题的最优解. （2.1） 由定理2.1的（2）式知，当时，对于一切，是模型（1-1）系数的一个风险上界，因此对应问题就可以转化为如下相应随机优化问题的最优解. （2.2） 下面对随机优化问题的约束条件进行转化： 其中显然成立，因为所有的随机优化问题都是在期望上讨论问题， 因此，下面主要是把第二个条件进行转化 — —= 即 = 因此，这个条件转化为随机优化问题的约束条件为： （2.3） 由上面（2.3）我们知道，（2.1）、2.2）对应问题就可以转化为如下相应随机优化问题的最优解问题. 因此，在二次损失下模型（1-1）系数的Minimax估计问题就可以转化求如下随机优化模型的最优解问题： 定理2.3 在二次损失函数下，非线性模型（1-1）中系数的Minimax估计为随机优化模型 的最优解. 证明：由