最佳线性无偏预测
最佳线性无偏预测(best linear unbiased prediction， 简称BLUP)，又音译为“布拉普”[1]，是统计学上用于线性混合模型对随机效应（英语：Random effects model）进行预测的一种方法。最佳线性无偏预测由Charles Roy Henderson（英语：Charles Roy Henderson）提出。随机效应的最佳线性无偏预测（BLUP）等同于固定效应的最佳线性无偏估计（best linear unbiased estimates, BLUE）（参见高斯-马尔可夫定理）。因为对固定效应使用估计一词，而对随机效应使用预测，这两个术语基本是等同的。BLUP被大量使用于动物育种。
最佳线性无偏预测和线性混合模型中随机效应的经验贝叶斯估计（英语：empirical Bayes）相同。
参考文献
^ 王勇强 刘孟强 高腾云 王冠立，应用布拉普法选择南阳公牛的研究(上)[J]，《郑州牧业工程高等专科学校学报》1992年02期
Robinson, G.K. That BLUP is a Good Thing: The Estimation of Random Effects. Statistical Science. 1991, 6 (1): 15–32. doi:10.1214/ss/1177011926.Henderson. C.R. (1975) “Best linear unbiased estimation and prediction under a selection model”, Biometrics 31, 423–447.Xu-Qing Liu, Jian-Ying Rong, Xiu-Ying Liu (2008) “Best linear unbiased prediction for linear combinations in general mixed linear models”, Journal of Multivariate Analysis, 99 (8),1503–1517. doi:10.1016/j.jmva.2008.01.004.
