Resumen

Consideramos dos tipos de estimadores mixtos ponderados casi no sesgados en un modelo de regresión restringida estocástica lineal cuando la información previa y la información de la muestra no son igualmente importantes. Se discuten las ventajas de los dos nuevos estimadores de acuerdo con los criterios de sesgo cuadrático y matriz de varianza. Bajo tales criterios, realizamos un ejemplo de datos reales y un estudio de Monte Carlo para ilustrar los resultados teóricos.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Estimadores; Modelo de regresión restringida estocástica lineal; Información previa; Información de la muestra; Sesgo cuadrático; Matriz de varianza
• Keywords:Estimators; Linear stochastic restricted regression model; Prior information; Sample information; Quadratic bias; Variance matrix