Afrika Statistika

Further properties of linear prediction sufficiency and the BLUPs in the linear model with new observations

Augustyn Markiewicz and Simo Puntanen

Full-text: Access denied (no subscription detected)

We're sorry, but we are unable to provide you with the full text of this article because we are not able to identify you as a subscriber. If you have a personal subscription to this journal, then please login. If you are already logged in, then you may need to update your profile to register your subscription. Read more about accessing full-text


A linear statistic $\mathrm{Fy}$ is called linearly sufficient for the estimable parametric function of $\mathrm X_{*} \beta$ under the linear model $\mathscr M = \{ \mathrm y, \mathrm X \beta, \mathrm V \}$ if there exists a matrix $\mathrm A$ such that $\mathrm {AFy}$ is the best linear unbiased estimator, BLUE, for $\mathrm X_{*} \beta$. The concept of linear sufficiency with respect to a predictable random vector is defined in the corresponding way but considering best linear unbiased predictor, BLUP, instead of BLUE. In this paper, we consider the linear sufficiency of $\mathrm{Fy}$ with respect to $\mathrm{y}_{*}$, $\mathrm X_{*} \beta$, and $\varepsilon_{*}$, when the random vector $\mathrm{y}_{*}$ comes from $\mathrm{y}_{*} = \mathrm X_{*} \beta + \varepsilon_{*}$, and the prediction is based on the linear model $\mathscr M$. Our main results concern the mutual relations of these sufficiencies. In addition, we give an extensive review of some interesting properties of the covariance matrices of the BLUPs of $\varepsilon_{*}$. We also apply our results into the linear mixed model.


Une statistique linéaire $\mathrm{Fy}$ est dite linéairement suffisante pour la fonction paramétrique estimable de $\mathrm X_{*} \beta$ sous le modèle linéaire $\mathscr M = \{ \mathrm y, \mathrm X \beta, \mathrm V \}$ s'il existe une matrice $\mathrm A$ telle que $\mathrm {AFy}$ soit le meilleur estimateur linéaire sans biais, BLUE, pour $\mathrm X_{*} \beta$. Le concept de suffisance linéaire par rapport à un vecteur aléatoire prévisible est défini de manière similaire mais en considérant le meilleur prédicteur linéaire sans biais, BLUP, au lieu du BLUE. Dans cet article, nous considérons la suffisance linéaire de $\mathrm{Fy}$ par rapport à $\mathrm{y}_{*}$ , $\mathrm X_{*} \beta$ et $\varepsilon_{*}$, lorsque le vecteur aléatoire $\mathrm{y}_{*}$ provient de $\mathrm{y}_{*} = \mathrm X_{*} \beta + \varepsilon_{*}$, et la prédiction est basée sur le modèle linéaire $\mathscr M$. Nos principaux résultats concernent les relations mutuelles de ces suffisances. En outre, nous donnons un examen approfondi de certaines propriétés intéressantes des matrices de covariance des BLUP des $\varepsilon_{*}$. Nous appliquons également nos résultats dans le modèle mixte linéaire.

Article information

Afr. Stat., Volume 13, Number 1 (2018), 1511-1530.

First available in Project Euclid: 17 May 2018

Permanent link to this document

Digital Object Identifier

Mathematical Reviews number (MathSciNet)

Zentralblatt MATH identifier

Primary: 62J05: Linear regression 62J10: Analysis of variance and covariance

Best linear unbiased estimator Best linear unbiased predictor Linear sufficiency Linear mixed model Transformed linear model


Markiewicz, Augustyn; Puntanen, Simo. Further properties of linear prediction sufficiency and the BLUPs in the linear model with new observations. Afr. Stat. 13 (2018), no. 1, 1511--1530. doi:10.16929/as/1511.117.

Export citation