广义Lorenz 曲线的非参数统计推断

本文讨论了广义Lorenz 曲线的经验似然统计推断. 在简单随机抽样、分层随机抽样和整群随机抽样下, 本文分别定义了广义Lorenz 坐标的pro le 经验似然比统计量, 得出这些经验似然比的极限分布为带系数的自由度为1 的χ² 分布. 对于整个Lorenz 曲线, 基于经验似然方法类似地得出相应的极限过程. 根据所得的经验似然理论, 本文给出了bootstrap 经验似然置信区间构造方法, 并通过数据模拟, 对新给出的广义Lorenz 坐标的bootstrap 经验似然置信区间与渐近正态置信区间以及bootstrap 置信区间等进行了对比研究. 对整个Lorenz 曲线, 基于经验似然方法对其置信域也进行了模拟研究. 最后我们将所推荐的置信区间应用到实例中.     

条件密度置信区间的覆盖精度

本文用经验似然方法讨论了条件密度的置信区间的构造. 通过对覆盖概率的Edgeworth展开得到了经验似然置信区间的覆盖精度, 同时证明了条件密度的经验似然置信区间的Bartlett可修正性     

NA样本下基于递推型核估计的概率密度函数的经验似然推断(英文)

在NA样本下, 本文研究了基于递推型估计的概率密度函数的置信区间的构造, 证明了分块经验似然比统计量的极限分布为χ~2分布, 并利用此结果构造了概率密度函数的经验似然置信区间.     

分位数置信区间的估计方法分析

构造了基于分位数两种估计量的渐近置信区间,并找到分位数基于样本次序统计量的渐近置信区间.同时,建立了基于分布函数核估计定义的分位数估计量的渐近正态性,并使用经验似然方法构造出分位数的两种渐近置信区间.在模拟分析中,基于置信区间的平均长度和覆盖率,分析构造分位数的五种渐近置信区间的有限样本表现.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

缺失数据下线性模型中反映变量均值的经验似然置信区间

在协变量和反映变量都缺失下,构造了线性模型中反映变量均值的经验似然置信区间,数据模拟表明调整的经验似然置信区间有较好的覆盖率和精度,进一步完善了缺失数据下对线性模型的研究.     

相依序列密度函数的经验似然推断

本文利用了强平稳$m-$相依序列的特殊性质,讨论了$m-$相依序列密度函数的经验似然推断, 给出了似然比统计量的极限分布,可构造参数的经验似然置信区间. 并且通过模拟计算来说明有限样本下应用经验似然方法的合理性.     

分数填补下两总体分位数差异的半经验似然推断

在完全随机缺失机制情形,利用分数填补法填补缺失值,然后用经验似然方法构造两总体分位数差异的半经验似然比统计量,证明其渐近服从加权X~2分布并构造了相应的半经验似然置信区间.     

强混合样本下部分线性模型的经验似然推断（英文）

本文研究强混合样本下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,由此构造强混合样本下β的经验似然置信区间.在有限样本情况下给出数值模拟结果.     

强混合样本下随机设计情形线性模型的经验似然推断

本文研究强混合样本下随机设计情形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,证明了线性模型的参数β的对数经验似然比统计量的渐近分布为卡方分布,由此构造了强混合样本下β的经验似然置信区间.在有限样本情况下给出数值模拟结果.     

线性混合效应模型的有效稳健经验似然推断

本文考虑线性混合效应模型的有效稳健经验似然统计推断问题. 通过结合众数回归方法和矩阵的QR分解技术, 提出了一种基于众数回归的正交经验似然统计推断过程. 证明提出的关于固定效应的经验对数似然比函数渐近服从中心卡方分布, 进而构造了模型固定效应的置信区间. 所提出的估计过程不需要对随机效应和模型误差的分布施加任何假定, 并且关于固定效应的估计过程不受随机效应的影响, 因此具有较好的稳健性和有效性.     

二阶扩散模型的经验似然推断

本文利用经验似然方法得到了二阶扩散模型的漂移系数和扩散系数的经验似然估计量, 并研究这些估计量的相合性和渐近正态性. 进一步在经验似然方法的基础上给出了漂移系数和扩散系数的非对称的置信区间, 并且在一定的条件下证明了调整的对数似然比是渐近卡方分布的.     

ȱʧ������varphi����������ηDz����ع麯���ľ�����Ȼ�ƶ�

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.     

缺失数据下φ混合样本情形非参数回归函数的经验似然推断

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.     

分数填补下两非参数总体一般差异的经验似然置信区间

在一定的条件下证明了缺失数据情形基于分数填补方法得到的两非参数总体一般差异指标的经验似然比统计量的渐近分布为加权χ21,由此可构造差异指标的经验似然置信区间.     

强混合样本下非参数回归函数的经验似然推断

在回归变量和响应变量的观察值为强混合随机变量序列时,本文利用分组经验似然方法构造了非参数回归函数的经验似然置信区间,同时通过模拟研究了本文提出的方法的优良性.     

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.     

部分线性模型的模态正交经验似然推断

本文考虑部分线性模型的有效经验似然统计推断问题.通过结合模态回归和正交投影技术,提出了一种模态经验似然统计推断过程.证明了提出的经验似然比函数渐近服从中心卡方分布,进而构造了模型参数的置信区间.所提出的估计方法可以对模型的参数分量和非参数分量分别估计,而互不影响,具有较好的稳健性和有效性.     

相协样本下概率密度函数的调整经验似然推断

本文研究相协样本下概率密度函数的调整经验似然推断,证明对数调整经验似然比统计量服从χ²分布,由此构造了相协样本下概率密度函数的调整经验似然置信区间.在有限样本情况下通过数值模拟,对比分析得到AEL的表现略优于EL和NA的表现.     

响应变量存在缺失时部分线性模型的经验似然推断

考虑响应变量带有缺失的部分线性模型,采用借补的思想,研究了参数部分和非参数部分的经验似然推断,证明了所提出的经验对数似然比统计量依分布收敛到χ2分布,由此构造参数部分和函数部分的置信域和逐点置信区间.对参数部分,模拟比较了经验似然与正态逼近方法;对函数部分,模拟了函数的逐点置信区间.