A New Bound for the Euclidean Norm of the Difference Between the Least Squares and the Best Linear Unbiased Estimators
最小二乘与最佳线性无偏估计之差的欧氏范数新界AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于一般线性模型的估计比较理论，没有给定细分方向的直接应用依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
最小二乘与最佳线性无偏估计之差的欧氏范数新界
- 研究问题
- 一般线性模型中，期望向量的最小二乘估计与最佳线性无偏估计相差多大，能否在协方差矩阵奇异时仍给出简洁界限？
- 方法与思路
- 作者为两种期望向量估计之差的欧氏范数建立界限，允许离散矩阵具有任意秩，并与已有界限的表达形式比较。
- 材料陈述的贡献
- 摘要称新界不受离散矩阵秩的限制，且比先前相关界限的表达明显更简单；摘要没有声称新界在所有情形下更紧。
- 阅读关注点
- 应核对估计对象确为期望向量、新界包含哪些矩阵量、奇异情形的处理方式，以及简洁程度与界限紧度的区别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出界限公式、取等条件或紧度比较，不能推断任一估计量全面占优。
原文摘要
A new bound is established for the Euclidean norm of the difference between the least squares estimator and the best linear unbiased estimator of the vector of expectations in the general linear model. The bound is valid regardless of the rank of the dispersion matrix and is expressed in substantially simpler terms than the bounds given earlier by Haberman and by Baksalary and Kala.