x^2分布、t分布和F分布的一致渐近正态性

首先给出一元分布一致渐近正态分布的定义,接着分别证明了x2分布、一元t分布和一元F分布的一致渐近正态性,由于所得结果比渐近正态性更强,故直接用相应的正态分布去计算这三个分布的概率值更可信。

(2x^2)^(1/2)分布的渐近正态性及其应用

用极限方法证明了分布的渐近正态性。这对应用数理统计、生物统计中所引述的Fisher结论。即近似服从正态分布N（，1）来说是一种解释。文中关于分布的理论，将有助于扩大它的应用。

对数正态与正态分布定时截尾寿命试验参数的近似置信域

提出了两步法来获得对数正态和正态分布大样本定时截尾寿命试验参数的近似置信域。对数正态分布试验中 ,在试验时间对数和的极限分布的基础上构造了枢轴量。为克服直接从枢轴量的渐近正态性求解参数 μ,σ的联合置信域的困难 ,本文利用 Wolynetz提出的μ的 MLE的近似分布首先得到μ的近似置信区间 ,然后给定置信区间中的每个 μ,通过枢轴量求得 σ的近似置信区间 ,最终获得 μ,σ的联合近似置信域。类似地在正态分布试验中可由总试验时间的极限分布构造枢轴量 ,从而获得参数 μ和 σ的联合近似置信域。随机模拟结果表明 。

近似P-范分布的渐近正态性及柯尔莫哥洛夫检验

P-范分布可以近似地由正态分布和拉普拉斯分布,或者是正态分布和均匀分布的线性组合来表示。在此基础上,运用特征函数的方法得到了近似P-范分布的渐近正态分布。利用统计软件生成120个服从P-范分布的随机数,通过柯尔莫哥洛夫检验进行拟合检验,其结果说明了近似P-范分布能够很好地替代P-范分布。

关于半参数函数关系模型的渐近正态性

本文研究固定设计的半参数函数关系模型.利用权函数和广义最小二乘法得出未知参数和未知函数的估计,在一定的条件下证明了估计是强相合的,并且渐近地服从正态分布.

定时截尾试验Weibull分布参数的近似置信区间

该文研究了Weibull分布大样本定时截尾试验 ,给出了总试验时间的极限分布。在给定任一参数的条件下 ,利用一种全新的途径得到了另一参数的近似置信区间。设产品寿命x服从Weibull分布W(λ,b) ,对受试产品xi 进行定时时间t0 的截尾试验 ,得到观察数据Si=min(xi,t0 )。由于总试验时间S=S1+S2 +…+Sn 近似服从正态分布 :S -E(S)(VarS) 1/2 =n( S-u)(2v -u2 ) 1/2 ∝N(0 ,1)。由此可以得到参数 (u ,v)的联合置信域D :v≥1+ β22 β2 (u- S1+ β2 ) 2 + S22 (1+ β2 ) 。由于Jacobi变换行列式｜J｜≠ 0 ,因此区域D的任意一点 (u ,v)都能找到唯一的点 (λ ,b)与之对应。对于任一给定的λ,参数曲线u =u(b) ,v=v(b)与区域D的边界曲线正好有 2个交点 ,解方程 :(1+ β2 )u2 (b) - 2 S·u(b) - 2 β2 v(b) + S2 =0 ,得到 2个根b1(λ)和b2 (λ) ,即为参数λ的置信水平 1-α的置信区间 :b1(λ) ≤b≤b2 (λ)。

多组样本下GL—统计量的渐近性质

本文主要讨论多组样本下ＧＬ—统计量的渐近分布．这里我们使用了Ｃａｔｅａｕｔ微分逼近方法，在多组ｉ．ｉ．ｄ．样本下，给出了ＧＬ—统计量的渐近正态分布的组条件，从而拓广了ｉ．ｉ．ｄ．样本下ＧＬ－统计量的渐近正态分布的性质 ［１］．

关于回归函数核估计的联合渐近正态性

用核估计误差分解方法,在较弱条件下,就一般情况给出了简捷的证明,同时文后讨论了所得结果与Schuster([2])强条件结果之间的联系.

随机删失单函数型指标模型条件众数估计的渐近正态性

基于单函数型指标模型,构造了该模型下条件密度和条件众数的估计量,研究了α-混合函数型数据在响应变量随机删失的情况下的条件密度和条件众数估计量的渐近正态分布,用模拟研究说明单函数型指标模型条件众数估计的有效性.

适应性滤波算法的渐近正态性

设{x_n}是一个递推的适应性滤波序列,本文将给出在较一般信号条件下,n^(1/2)(x_o-x~*)具有渐近正态性,这儿x~*是最小均方意义下的最优值。

半正态误差下线性模型的补偿Lq极大似然估计量的渐近性质

考虑半正态误差下线性回归模型yi=x^Tiβ+εi,利用正态分布N(0,λ2)密度函数作为补偿项,得到未知参数σ,λ,β的补偿Lq极大似然估计量,并讨论了估计量的相合性与渐近正态分布。这些结论推广了半正态误差下线性模型的极大似然估计量的相应结论。

一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法推广了Doz等(2012)的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。

矩阵Г分布的一致渐近正态性

相对于两个密度函数之间的Kullback-Leibler距离,本文获得了矩阵Γ分布一致渐近正态分布的条件,由于矩阵Γ分布包含了Wishart分布,因此我们也指出了 Wishart分布一致渐近正态分布的条件．

乘性和加性噪声中复谐波恢复的乘积型循环统计量方法

本文提出了乘积型循环统计量的概念,利用这一概念讨论了乘性和加性平稳噪声条件下的谐波恢复问题。首先从理论上证明了循环均值的样本估计误差服从零均值渐近正态分布,提出采用乘积型循环均值来抑制噪声,并给出了基于乘积型循环统计量的谐波估计的具体方法,仿真实验验证了该算法的有效性。

最大熵谱分析中的置信区间估计和显著性周期检验方法

最大熵谱对隐含周期振动具有较高的分辨力,因而被广泛用来研究海洋时间序列的周期变化特征。在应用最大熵谱时,一般只作定性比较分析,并不给出估计的置信区间和显著周期的统计学检验结果。本文根据 Kro mer(1970)关于最大熵谱估计的期望、方差和自由度的论述,探讨了最大熵谱的置信区间估计扣谱峰的显著性检验方法。

伪随机数随机性的一种新检验

伪随机数通过的随机性检验越多,说明其随机性越好.利用生产的随机数精度固定这一特点,根据小数点后面n个数字之和,提出了尾数和的概念,并给出了求尾数和分布频数的算法.根据尾数和分布概率提出了一种检验伪随机数的新方法.当尾数较长时,尾数和的分布服从渐近正态分布.求出其期望和方差,并给出了求尾数和分布概率的近似估计公式.

变系数模型的局部组合分位数估计

变系数模型推广了经典的线性模型,能灵活描绘变量间的非线性和交互性特征.考虑跨越一系列分位点的变系数模型的稳健估计,采用局部组合分位数回归方法,给出了该模型估计的局部Bahadur表示和渐近正态分布性质.证明了所得的估计量能够满足非参数收敛率要求.同时,模型计算容易执行且不需要指定误差分布的具体形式.进而推导了最优窗宽的表达式并提供了一个基于分位数交叉核实准则的窗宽选择方法.通过Monte Carlo模拟,检验了局部组合分位数估计变系数模型的有限样本性质.

一种带有自权重的积分波动率的非参估计

为了对带有自权重的积分波动率∫10f(Xt)σ2tdt进行估计,定义了一个新的非参数估计量,并利用"已实现"波动率的方法,证明了该估计量是积分∫10f(Xt)σ2tdt的一致估计量,同时还得到此估计量的渐近正态分布以及学生化形式,从而可对该积分做区间估计或假设检验。

动态因子模型的广义矩估计(GMM)及其统计性质研究

对于一类存在截面相关性的动态因子模型,本文首次分别提出了动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了模型参数广义矩估计量的渐近性质和有限样本性质。研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且具有良好的有限样本性质。最后,本文利用动态因子模型对我国6大类上市公司盈利能力增长性的共同驱动因素及其差异性进行了实证分析。

TESTING SERIAL CORRELATION IN SEMIPARAMETRIC VARYING COEFFICIENT PARTIALLY LINEAR ERRORS-IN-VARIABLES MODEL

The authors propose a V_(N,p) test statistic for testing finite-order serial correlation in asemiparametric varying coefficient partially linear errors-in-variables model.The test statistic is shownto have asymptotic normal distribution under the null hypothesis of no serial correlation.Some MonteCarlo experiments are conducted to examine the finite sample performance of the proposed V_(N,p) teststatistic.Simulation results confirm that the proposed test performs satisfactorily in estimated sizeand power.