内容介绍
用户评论
全部咨询
内容简介
本书为作者近几年在数理统计线性模型参数估计理论方面所做的研究工作的总结.
全书共分四章.第一章是预备知识;第二章讨论线性模型回归系数的最小二乘估计及一般线性估计的相合性问题;第三章介绍误差方差估计的大样本理论;第四章讨论小样本理论,即回归系数的线性估计与误差方差的二次型估计的容许性问题.
本书读者对象为大学数学系高年级学生、研究生、教师和数理统计科学研究工作者.
目录
- 序言
第一章 预备知识
§1.1 矩阵与线性模型
§1.2 判决函数与容许性
§1.3 概率论中的若干极限定理
参考文献
第二章 回归系数最小二乘估计的相合性
§2.1 LS估计弱相合的条件
§2.2 一般线性弱相合估计的存在问题
§2.3 LS估计的r阶平均相合性
§2.4 LS估计的强相合性
参考文献
第三章 误差方差估计的大样本性质
§3.1 σ#的相合性
§3.2 一致性收敛速度(Ⅰ)
§3.3 一致性收敛速度(Ⅱ)
§3.4 非一致性收敛速度
§3.5 σ#的分布的渐近展开
参考文献
第四章 线性模型参数估计的容许性问题
§4.1 回归系数的线性估计的可容许性Ⅰ(在线性估计类中)
§4.2 回归系数的线性估计的可容许性Ⅱ(在一般估计类中)
§4.3 矩阵损失下回归系数线性估计的可容许性
§4.4 误差方差的二次型估计的可容许性Ⅰ(在二次型估计类中)
§4.5 误差方差的二次型估计的可容许性Ⅱ(在一般估计类中)
参考文献