多维密度核估计的渐进正态性及稳健渐进正态性研究

文章在一定条件下证明了多维密度核估计的渐进正态性定理,把概率密度一维稳健性定义推广到多维情况,并在一定条件下证明了多维密度核估计的稳健渐进正态性定理。

k-U统计量的渐进正态性

称 为k-U统计量,其中g(x1,…,xm)是一对称函数,k为小于等于n的自然数,k可能依赖于n.这一表达形式是一类统计量,在k=n时, Unm,n就是U-统计量.本文证明了Unm,k的渐进正态性.

截断样本下的强率函数和密度函数核估计的渐进正态性(英文)

本文用[1]发展的计数过程去研究截断样本下强率函数核估计的渐进正态性．在弱于[7]和[10]的条件下，得到了更一般的结果．接着我们将这种方法运用到密度函数核估计，在较弱的条件下，得到了截断样本下密度函数核估计的渐进正态性．

有重复观测时多维线形EV模型参数估计的渐近正态性(英文)

研究了多维线形EV模型 。

对数线性Gamma分布模型极大似然估计的渐近正态性

在(sum (Z_iZ_i′) from i=1 to n)-1→0且Z_n′(sum (Z_iZ_i′) from i=1 to n)-1 Z_n→0等条件下证明了联系函数是对数函数Gamma分布模型回归参数极大似然估计的渐近正态性,其中Zi,i=1,2,…,n,是协变量.

两阶段Logistic模型的渐近正态性

研究了第1阶段是序贯模型和第2阶段是累积Logistic模型的两阶段模型。在‖xn‖=o log()n和∑ni=1ziz'i的最小特征根大于cnα(对某个c>0,α>0)等条件下,证明了两阶段模型中极大似然估计的渐进正态性。

Logistic分布参数的渐进置信区间估计

利用Logistic分布简单样本的样本均值及样本方差,建立参数的渐近正态估计量,进而得到参数的渐近置信估计,最后利用样本分位数和GLSE,给出Ⅱ型截尾样本场合Logistic分布参数的渐进置信估计。在样本足够大的情况下,该方法简单有效。

利用样本分位数求位置-尺度分布参数的渐进置信估计

基于位置-尺度分布的若干个样本分位数,利用线性回归模型建立位置参数及尺度参数的渐进正态且渐进无偏估计量,得到分布参数的渐进置信估计.

一类新的极值指标估计量的渐进性质(英文)

提出了一类新的极值指标估计量,并在正规变化条件下证明了该估计量的弱相合性和渐进正态性.

面板数据复合分位数回归模型的渐进相对效率

针对面板数据个体固定效应复合分位数回归模型,研究回归系数估计的渐进相对效率.采用计算复合分位数回归估计和最小二乘法估计的协方差矩阵的迹的比值,计算结果表明复合分位数回归相对于最小二乘法的渐进相对效率的比值大于70%.还将Zou在2008年提出的适应性lasso的想法应用于此面板数据个体固定效应复合分位数回归模型,构造出适应性lasso惩罚复合分位数回归估计,并在适当条件下证明其估计的渐进性质.

随机场的随机谐和函数表达

首先证明,采取随机谐和函数表述二维随机场,则当随机波数与相位服从独立均匀分布、幅值由随机波数和目标功率谱密度共同决定时,随机谐和函数的功率谱密度精确地等于目标功率谱密度.对这类随机谐和函数的平稳性和渐进正态性进行了讨论.进而,将二维随机场的随机谐和函数表达推广至多维,给出了统一表达式.最后,通过数值算例验证了采用随机谐和函数表述随机场的正确性.

相似系统下非参数回归函数估计

本文在相似关系下,利用与总体相似的若干个总体的回归函数核估计构造了总体的回归函数的核估计,并得到了其渐近正态性。这为生物、医学、地质、经济研究带来了便利。

NA列的中心极限定理

讨论了有界NA列的渐近正态问题,利用截尾以及构造函数的方法,在Lebesgue条件下,得到了NA序列的中心极限定理并给出了证明。

半参数回归模型的局部多项式光滑

利用最小二乘局部多项式方法建立了半参数回归模型参数分量和非参数分量的局部多项式估计 ,在适当条件下 。

不完全信息随机截尾广义线性模型的极大似然估计

该文在回归子给定和随机两种情形下,分别定义了不完全信息随机截尾广义线性模型.在一定的条件下,讨论了这两种模型参数向量的似然方程解的存在性和唯一性,获得并证明了这两种模型的极大似然估计(MLE)的相合性与渐近正态性.

变系数混合效应模型(英文)

本文研究了下列变系数混合效应模型：yij=z_(ij)~τb_i+x_(ij)~τβ(w_(ij))+ε_(ij),i=1,…,m；j= 1,…,ni,其中bi为i．i．d．期望为θ,协方差阵为σ_b^2I_q的随机效应向量,ε_(ij)是i．i．d．期望为零,具有有限方差的随机误差．文中我们不仅给出了函数系数向量β(·)的局部多项式估计,同时给出了随机效应期望、方差和随机误差方差的估计,并给出了这些估计量的渐进正态性和相合性,研究结果表明了这些估计量的可靠性．

随机删失场合半参数回归模型的误差方差估计

考虑半参数回归模型Y=X'β+g(T)+e,其中(X,T)为取值RP×犤0,1犦上的随机向量(p≥1),β为p×1的未知参数向量,g为定义于犤0,1犦上的未知函数,e为随机误差,Ee=0,Ee2=σ2>0,且与(X,T)独立,Y被一个与之独立的随机变量V所截,此时仅能观察到Z=min(Y,V),δ=I(YV).综合最近邻法和最小二乘法,定义了β、g和σ2的估计量,在适当的条件下证明了σ2的估计量的渐进正态性.

有依从性观测的临床试验模型的参数估计

为了研究依从性对药物效果的影响,对一种结构线性模型,结合最小二乘和拟似然的思想,提出了一种新的参数估计方法,并在一般的条件下,证明了参数估计的相合性和渐近正态性.计算机模拟表明,这种方法不仅计算简单,有好的大样本性质,而且对于中小样本也有小的均方误差.

缺失数据下m相依样本的大样本性质

讨论了缺失数据在随机补充方式下均值的估计,证明了估计的相合性和渐进正态性,并给出了经验似然比统计量的渐进分布.

对数正态分布几何过程的统计推断

§1.定义和概念 对来自具有趋势项点过程的一组数据进行建模时,一种直接的方法是用某种单调过程对这些数据进行模拟,作为这种特殊的单调过程,现介绍所谓的几何过程的定义[1]: