NA样本下随机设计情形部分线性模型的经验似然推断

本文研究NA样本下随机设计情形部分线性模型的经验似然推断,将分块技术应用到经验似然方法中,证明部分线性模型的参数β的对数经验似然比统计量的渐近分布为卡方分布,由此构造了NA样本下β的经验似然置信区间.同时,在有限样本情况下给出运用分块技术的经验似然与不运用分块技术的经验似然的模拟对比结果.

单边截断分布族参数的经验Bayes检验:NA样本情形

本文运用同分布 NA样本密度函数的核估计 ,构造一类单边截断型分布族参数的经验 Bayes检验 ,讨论它的渐近最优性 ,建立其收敛速度 .在适当的条件下 ,证明了该收敛速度可以任意接近于 1 ,最后给出适合定理条件的一个例子 .

NA样本下部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１＜ｉ＜ｎ，其中σ_ｉ～２＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，误差｛ｅｉ｝为ＮＡ变量．我们对β的最小二乘估计βｎ和加权最小二乘估计Ｂｎ，在适当的条件下得到了它们的强相合性．

NA样本下两参数Lomax分布形状参数的经验Bayes检验

文章在加权线性损失函数下,讨论了NA样本情形下两参数Lomax分布参数θ的经验Bayes单侧检验问题:H0:θ≤θ0圮H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性,并在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近O(n-12)。

连续型单参指数族参数的经验Bayes检验问题:NA样本情形

本文对连续型单参指数族单边和双边假设检验问题导出了Bayes检验函数 ,利用同分布NA样本构造了经验Bayes(EB)检验函数 ,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度 。

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.

NA样本下半参数回归模型估计的强相合性

考虑固定设计下的半参数回归模型 :yi=xiβ+ g(ti) + ei,i=1 ,2 ,… ,n,在 { ei}为 Eei=0 ,Ee2i=σ2i 的 NA序列时 ,得到了一类估计的强相合性 .

NA样本下一类指数分布族的经验贝叶斯检验

目的讨论负相依样本下一类特殊指数分布族的经验贝叶斯单边检验问题。方法利用概率密度的变窗核估计方法。结果得到了经验贝叶斯检验函数,在适当的条件下获得其收敛速度,并给出了一个满足定理条件的例子。结论该检验函数是渐近最优的。

NA样本下单边截断型分布族位置参数的经验Bayes估计

该文在充分运用同分布 N A样本密度函数的核估计方法的情况下 ,构造出了一类单边截断型分布族位置参数θ的经验 Bayce(EB)估计 ;由分析可知 ,在适当的条件下 ,证明了位置参数θ的 EB估计的收敛速度 O(n- q) ,其中 q =λα(δ -2 ) /(2α + 4)δ,α >0 ,1>λ >0 ,δ >2。

NA样本及Linex损失下截断族参数的经验EB估计(英文)

在Linex损失及NA样本下 ,对一类双边截断型分布族 ,构造了参数的经验Bayes(EB)估计 ,建立了它的收敛速度 .在一定的条件下证明了该收敛速度可以任意接近于 1 ,并给出满足定理条件的例子 .

NA样本下Rayleigh分布参数的经验Bayes检验

文章在线性损失函数下,讨论了NA样本情形下Rayleigh分布参数θ的经验Bayes单侧检验问题:H0:θ≤θ0圳H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性;在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近O(n-1/2)。

Pareto分布参数的经验Bayes检验的收敛速度:NA样本情形

本文讨论了NA(negativeassociation)样本情形Pareto分布参数的经验Bayes(EB)单侧和双侧检验问题.利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性并获得了其收敛速度.

随机截断下NA样本半参数回归模型中的相合估计

本文研究固定设计下的半参数回归模型在相应变量Yi因受到某种随机干扰而被右截断且截断分布已知时,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性.

一类特殊的指数分布族参数的经验Bayes检验:NA样本

在线性损失函数下,对NA样本下一类指数分布族参数θ的经验Bayes单侧检验问题进行了研究.通过构造参数的经验Bayes单侧检验函数,获得了它的渐近最优(a.o)性,在适当条件下得出了所提出的经验Bayes检验函数的收敛速度可以任意接近O(n-1/2).

NA样本情形下双参数指数分布族参数EB估计的渐近性讨论

文章讨论了双参数指数分布的位置参数在LINEX损失函数下的Bayes估计。在NA样本情形下,利用概率密度函数的核估计方法,构造了边缘分布的概率密度估计;按照参数的Bayes估计形式,提出了参数的经验Bayes(EB)估计函数。在一定的条件下可以证明所提出的这个经验Bayes估计函数是渐近最优的,并获得其收敛速度。文章还举例说明满足定理条件的参数的先验分布是存在的。

Rayleigh分布参数的经验Bayes检验:NA样本情形

目的研究负相依样本情形下Rayleigh分布参数的经验Bayes检验问题。方法利用概率密度函数核估计方法获得密度函数及其导数的非参数估计。结果获得了经验Bayes检验函数,证明了检验函数的渐近最优性,得到其收敛速度。结论利用单调经验Bayes方法证明该检验函数可以达到最优。

NA样本下Burr Type Ⅻ分布形状参数的经验Bayes检验

文章在加权线性损失函数下,基于NA样本,讨论了两参数Burr Type Ⅻ分布参数θ的经验Bayes单侧检验问题:H0:θθ0 H1:θ>θ0;利用概率密度函数的核估计和经验分布函数构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性;在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近Ο(n-1/2)。

NA样本密度函数估计一致渐近正态性的收敛速度

在平稳NA样本下,讨论了未知密度函数估计的一致渐近正态性.在适当的条件下给出了该密度函数估计一致渐近正态性的收敛速度.这个速度几乎达到n-1/6.

Linex损失及NA样本下单边截断型分布族参数函数的EB估计

本文在Linex损失函数下,充分运用同分布NA样本密度函数的核估计方法,构造了一类单边截断型分布族参数函数的EB估计,并建立了它的收敛速度,在一定条件下这个收敛速度可充分接近1.

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.