摘要：一、引言考虑多重线性回归模型Y=Xβ+ε,(1)其中,Y=(y_1,…y_n_)′为 n×p 观察矩阵,X=(x_1,…,x_n)′为 n×(k+1)列满秩设计矩阵,β=(β_0,β_1,…β_k)′为(k+1)×p 未知参数矩阵,ε=(ε_1,…ε_n)′为 n×p 随机误差矩阵,ε_1…,ε_n 相互独立.

摘要：这里X是n×q列满秩阵,β是q×1未知参数,Y是n×1观察向量,e是n×1随机误差向量。估计β通常采用最小二乘估计(简记为LS估计)。但当设计矩阵X有复共线性存在时,的性能很不好。针对这个问题,近二十年来,特别是近十年来,许多统计学者相继提出了一些新的方法,企图改进LS估计。例如,Stein在1960年提出的压缩估计;Massy于1965年提出的主成分估计;Hoerl和Kennard于1970年提出的岭估计等。

摘要：对于生长曲线模型：Y=X1BX2+U E（U）=0 D（v)=IN×σ^2V（其中Y为N×p阶观测矩阵，X1及X2分别为N×1,k×p阶已知设计阵，B为q×k阶未知参数阵，U为误差矩阵U的按列拉直，σ>0未知，V为已知p阶阵.)本文给出了在约束条件下参数估计的几个基本结果，同时，在当设计阵呈病态时，我们给出了两种不同的参数岭估计，并且还证明了这两种岭估计之间的一个重要关系。

摘要：本文提出一种基于Vague相似矩阵的分类方法,以解决Vague集上的知识分类问题,并定义了所需的概念,设计了详细算法.实验分析表明了该方法的有效性.