有約束的多元模型的Minimax估計(jì)及多元正態(tài)分布熵的估計(jì).pdf

1、MinimaX估計(jì)是一類重要的估計(jì)，它使極大風(fēng)險(xiǎn)極小化，是避免損失的一種選擇。因此在實(shí)際生活中有重要的用途。用Minimax原理來估計(jì)模型的回歸系數(shù)最早由Kuks和Olman(1971，1972)提出，第一章對于有約束的多元線性模型，在損失函數(shù)tr(B-B)'，A(B-B)下給出參數(shù)矩陣B在線性估計(jì)類中的Minimax估計(jì)，研究了其性質(zhì)。在一些特殊的情形下，估計(jì)包括了多元功效嶺回歸估計(jì)(Power Ridge regression∞ti

2、mation)、多元Stein估計(jì)等。給出了有約束的一般多元線性回歸模型的線性Minimax估計(jì)。第二章對于有約束的增長曲線模型，在損失函數(shù)tr(B-B)'，A(B-B)下給出參數(shù)矩陣B在線性估計(jì)類中的Minimax估計(jì)，研究了其性質(zhì)。在一些特殊的情形下，估計(jì)包括了增長曲線功效嶺回歸估計(jì)等。在分子生物科學(xué)中，分子系統(tǒng)的熵對研究分子的熱力學(xué)性質(zhì)十分重要。第三章中基于一些隨機(jī)樣本，我們將估計(jì)期望為μ，方差陣∑都未知的多元正態(tài)分布的熵。在Li