Show simple item record

dc.date.accessioned2006-02-01T15:37:45Z
dc.date.available2006-02-01T15:37:45Z
dc.date.issued2004-07-14
dc.identifier.uriurn:nbn:de:hebis:34-1119
dc.identifier.urihttp://hdl.handle.net/123456789/1119
dc.format.extent687943 bytes
dc.format.mimetypeapplication/pdf
dc.language.isoger
dc.publisherFB 17, Mathematik/Informatik, Angewandte Mathematik, Analysis und Angewandte Mathematikger
dc.rightsUrheberrechtlich geschützt
dc.rights.urihttps://rightsstatements.org/page/InC/1.0/
dc.subjectMinimax-Schätzungger
dc.subjectEntscheidungstheorieger
dc.subjectLineares Modellger
dc.subjectBayes-Verfahrenger
dc.subjectLineares Regressionsmodellger
dc.subjectEllipsoidger
dc.subjectMatrizengleichungger
dc.subjectEigenwertger
dc.subject.ddc510
dc.titleAspekte der linearen Minimax-Schätzungger
dc.typeDissertation
dcterms.abstractEs werde das lineare Regressionsmodell y = X b + e mit den ueblichen Bedingungen betrachtet. Weiter werde angenommen, dass der Parametervektor aus einem Ellipsoid stammt. Ein optimaler Schaetzer fuer den Parametervektor ist durch den Minimax-Schaetzer gegeben. Nach der entscheidungstheoretischen Formulierung des Minimax-Schaetzproblems werden mit dem Bayesschen Ansatz, Spektralen Methoden und der Darstellung von Hoffmann und Laeuter Wege zur Bestimmung des Minimax- Schaetzers dargestellt und in Beziehung gebracht. Eine Betrachtung von Modellen mit drei Einflussgroeßen und gemeinsamen Eigenvektor fuehrt zu einer Strukturierung des Problems nach der Vielfachheit des maximalen Eigenwerts. Die Bestimmung des Minimax-Schaetzers in einem noch nicht geloesten Fall kann auf die Bestimmung einer Nullstelle einer nichtlinearen reellwertigen Funktion gefuehrt werden. Es wird ein Beispiel gefunden, in dem die Nullstelle nicht durch Radikale angegeben werden kann. Durch das Intervallschachtelungs-Prinzip oder Newton-Verfahren ist die numerische Bestimmung der Nullstelle moeglich. Durch Entwicklung einer Fixpunktgleichung aus der Darstellung von Hoffmann und Laeuter war es in einer Simulation moeglich die angestrebten Loesungen zu finden.ger
dcterms.abstractConsidering the linear regression model y = X b + e with ellipsoidal constraints the minimax estimation provides an uniform most powerful estimator for in the class of linear estimators. After giving the estimation problem with help of decision theory the Bayesian, spectral and Hoffmann-Laeuter approach are introduced in order to obtain the minimax estimators. But the determination of the minimax estimator is only in few cases possible. A consideration of regression models with three parameters and a joined eigenvector shows the importance of the multiplicity of the maximal eigenvalue. If this multiplicity is two the determination of the minimax estimator in a previous unsolved case can be reduced to finding a root of a nonlinear real function. In an example it is shown that it is impossible to represent this root in radicals. The Newton methods allows finding a numerical solution. Developing a fixed point equation by using the Hoffmann-Laeuter approach it is possible in a simulation to receive desired solutions.eng
dcterms.accessRightsopen access
dcterms.creatorHeilmann, Stefan
dc.contributor.corporatenameKassel, Universität, FB 17, Mathematik/Informatik
dc.contributor.refereeDrygas, Hilmar (Prof. Dr.)
dc.date.examination2004-06-22


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record