A Generalization of the Gauss-Markov Theorem
高斯—马尔可夫定理的一个推广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：摘要讨论一般线性估计理论，没有面板、因果或其他所列细分方向的直接证据。
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
高斯—马尔可夫定理的一个推广
- 研究问题
- 在线性模型不满秩、参数向量的线性无偏估计可能不存在时，如何调整约束并定义最小方差向量估计？
- 方法与思路
- 作者使用 Penrose 广义逆的性质，将无偏约束替换为摘要所称的范数最小化约束，处理不满秩线性模型。
- 材料陈述的贡献
- 摘要称，论文通过广义逆推广高斯—马尔可夫定理，并在替代约束下给出参数向量的最小方差估计。
- 阅读关注点
- 应核对被最小化的范数究竟作用于什么对象、向量方差的比较标准，以及可估函数和参数向量的区别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未明确范数对象、误差条件及推广定理的完整表述。
原文摘要
This paper contains a generalization of the Gauss Markov Theorem based on the properties of the generalized inverse of a matrix as defined by Penrose. A minimum variance vector estimate of a parameter vector x is given for the linear model of less than full rank. Since linear unbiased estimates may not always exist for this case the unbiased constraint is replaced by the more general constraint that the norm is minimized.