Optimality of Least Squares in Linear Models with Unknown Error Covariance Matrix
误差协方差矩阵未知时线性模型中最小二乘法的最优性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：摘要讨论一般线性模型的估计最优性，未提供归入所列具体应用方向的充分依据。
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
误差协方差矩阵未知时线性模型中最小二乘法的最优性
- 研究问题
- 当线性模型的误差协方差矩阵未知且具有某类分布时，标量协方差情形下最小二乘系数估计的最优性质能否保留？
- 方法与思路
- 作者对误差协方差矩阵赋予某一类分布，该类包含用于表示模糊先验信息的分布，并考察最小二乘最优性质的延续。
- 材料陈述的贡献
- 摘要称，标量误差协方差情形下最小二乘系数估计的最优性质，可推广到协方差矩阵具有指定类别分布的情形。
- 阅读关注点
- 应核对最优性采用何种损失函数和比较范围、协方差分布类的限制，以及模糊先验如何进入论证与最终结论。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。摘要未说明具体最优性准则、分布类条件或证明，不能推广到任意未知协方差，也不能推断刊本变化。
原文摘要
Optimal properties of the least-squares coefficient estimator in the linear model with scalar error covariance matrix are shown to carry over to the case where the error covariance matrix has a distribution in a class which includes distributions proposed as representing vague prior information.