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：摘要研究线性实验合并与信息矩阵，未提供因果识别或其他所列细分方向的直接依据。
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
Gauss–Markov 模型下的实验合并
- 研究问题
- 两个具有共同参数与干扰参数的同方差线性实验合并后，信息如何变化，何时能仅组合各实验的最优线性无偏估计？
- 方法与思路
- 作者比较单独与合并实验中可估线性函数的信息矩阵，分析信息关系及等号情形，并给出相关设计矩阵刻画。
- 材料陈述的贡献
- 摘要称证明了合并信息矩阵与单独信息矩阵之和的关系，并将等号情形联系到合并实验估计量的线性组合表示。
- 阅读关注点
- 应查阅原 PDF 核对信息矩阵定义，并检查共同干扰参数、可估性和设计矩阵条件如何影响估计量的组合表示。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；信息矩阵公式疑有提取缺损，需查原 PDF，不据此重构公式。
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.