Combining Experiments Under Gauss-Markov Models
Gauss–Markov 模型下的实验合并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：摘要讨论通用线性模型中的实验合并与信息矩阵，未明确对应所列计量细分领域。
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
Gauss–Markov 模型下的实验合并
- 研究问题
- 在含共同目标参数与干扰参数的同方差线性模型中，合并两个实验能增加多少信息，何时可由原实验估计量组合得到？
- 方法与思路
- 作者比较合并实验与单独实验的信息矩阵，并通过最佳线性无偏估计量的线性组合解释信息增益的等号情形。
- 材料陈述的贡献
- 摘要称合并实验的信息矩阵至少为两者之和，并给出等号的估计量解释，以及相关设计矩阵的若干刻画。
- 阅读关注点
- 应核对实验间协方差及干扰参数的处理、可估线性函数的范围，以及整体信息等号与单个函数估计之间的区别。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；信息矩阵公式存在括号或上下标缺损，须查原 PDF，不能据损坏公式推导条件。
原文摘要
Consider two experiments with homoscedastic models E(Yi ) = Xi θ + Zi ψ, V(Yi ) = σ2 Ini (i = 1, 2). The matrix gi = X'i (Ini — Zi (Z'iZi )Xi can be called the information matrix of linear estimable functions of θ for experiment i. The information matrix g for the combined data (Y 1, Y 2) may be similarly defined. A proof of g ⩾ g 1 + g 2 (⩾ in the sense of nonnegative definiteness) is given, and equality is interpreted. g = g 1 + g 2 if and only if all best linear unbiased estimators (BLUE's) from the combined experiment are linear combinations of BLUE's from the original experiments. Some characterizations of design matrices are obtained for which the BLUE of p'θ from the combined experiment is a linear combination of the BLUE's of p'θ from the individual experiments, for all p'θ that are estimable in both individual experiments.