权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

縮小推定の理論と応用についての研究

约简估计理论与应用研究

基本信息

批准号：
04J10018
负责人：
津熊久幸
金额：
$ 1.47万
依托单位：
Toho University (2005)The University of Tokyo (2004)
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

多変量正規分布の精度行列を2乗損失関数のもとで推定する問題と、楕円型分布の尺度行列の逆行列をスタイン損失関数のもとで推定する問題を扱い、通常利用される推定量よりよい推定量をいくつか提案し、各推定量のリスク関数の挙動を数値実験によって比較した。2乗損失関数のもとでの多変量正規分布の精度行列の推定問題では、まず直交変換に対する不変推定量の族の中から精度行列の不偏推定量よりよい推定量を提案した。またベイズ推定法や経験ベイズ推定法などから縮小型推定量をいくつか導出し、それら縮小型推定量が不偏推定量よりよいことを示した。さらにリスク関数に関する数値実験から各推定量の比較をおこない、母数空間のある領域においては直交不変推定量や縮小型推定量のリスクが不偏推定量のリスクを大きく下まわることが確認できた。また2乗損失関数のもとでの精度行列の推定問題は判別分析における判別関数の推定問題と関係があることから、精度行列の改良型推定量から判別関数の改良型推定量もあわせて導出した。一方、楕円型分布の尺度行列の逆行列のスタイン損失関数のもとでの推定問題においては、まず三角変換に対する不変推定量の族の中で最良な推定量が通常利用される推定量よりよいことを示した。さらに尺度行列が2行2列である場合において、直交不変な推定量の族の中で最良三角不変推定量よりよい推定量をいくつか提案した尺度行列が3行3列以上である場合については具体的な直交不変推定量が得られなかったため、5行5列の場合で最良と思われる直交不変推定量を類推し推定量のリスク関数についての数値実験をおこなった。この実験から、真の尺度行列が単位行列に近い場合に、直交不変推定量は最良三角不変推定量などに比べ多大なリスクの減少があり、尺度行列が3行3列以上であるときにも直交不変推定量が有効であることを示唆する結果が得られた。

The accuracy of multi-variable normal distribution is 2. The loss correlation is estimated. The inverse of multi-variable normal distribution is 2. The loss correlation is estimated. The estimated quantity is usually used to estimate the accuracy of multi-variable normal distribution. The dynamic correlation of each estimated quantity is compared. 2. The estimation problem of the accuracy of the multi-variable normal distribution of the loss correlation number is proposed. Presumption method: Presumption method The number of relevant numbers is not equal to the number of estimated quantities. The number of estimated quantities is not equal to the number of estimated quantities. The number of estimated quantities is equal to the number of estimated quantities. 2. The estimation problem of the accuracy matrix of the loss matrix is the estimation problem of the discriminant matrix. A square, triangular distribution of the scale of the inverse column of the loss of the number of problems in the middle, the triangle of the family of the best prediction of the amount of common use The scale array has 2 rows and 2 columns. The scale array has 3 rows and 3 columns. The scale array has 2 rows and 2 columns. The scale array has 3 rows and 3 columns. The scale array has 5 rows and 5 columns. The scale array has 3 rows and 3 columns. The scale array has 2 rows and 2 columns. The scale array has 3 rows and 3 columns. The scale array has 2 rows and 2 columns. The scale array has 3 rows and 3 columns. The scale array has 3 rows and 5 columns. The scale array has 5 rows and 5 columns. The scale array has 5 rows and 5 columns. The scale array has 3 columns. The scale array has 5 rows and 5 columns. The scale array has 3 rows and 3 columns. The scale array has 3 columns. The scale array has 3 In this case, the scale of the array is the same as that of the array. In the case of the array, the orthogonal array is the best.