随机删失数据下几种风险率函数估计的渐近性质

文中对于删失数据下几种不同的风险率函数估计进行了研究。使用与以往不同的方法，在较弱的条件下，改进并扩充了现有文献的结果，获得了这几种风险率函数估计的渐近正态性，一致强弱相合收敛速度以及重对数律且进行了数值模拟。     

左截断右删失数据下分位密度估计的重对数律

在左截断右删失数据下，我们基于乘积限估计给出了分位密度估计， 获得了分位密度估计及其导数的重对数律。     

左截断右删失数据分位差估计及其渐近性质

我们研究了左截断右删失数据分位差,基于左截断右删失数据乘积限构造了分位差的经验估计,同时克服经验估计的非光滑性,提出了分位数差的核光滑估计.利用经验过程理论推导出这两个估计的渐近偏差和渐近方差,并且在左截断右删失数据下研究了这两个分位差的大样本性质,获得分位差估计的相合性和渐近正态性.同时给出计算模拟以验证光滑分位差估计的表现,在均方损失的意义下模拟结果表明光滑估计比经验估计具有更好的性质.     

左截断双删失数据下可加可乘风险率模型的估计

在生存分析中,可加可乘风险率模型常用来研究协变量对初始事件和终止事件之间持续时间的影响效应。在本文中,我们考虑了在初始事件存在部分区间删失,同时终止事件存在左截断右删失的情形下,持续时间的可加可乘风险率模型的估计问题。我们提出了一个两阶段估计过程来估计模型的回归参数。并通过模拟分析验证了估计的大样本性质。最后利用该方法分析了恶性黑色素瘤手术治疗数据。     

左截断右删失数据光滑分位估计的渐近性质

文中提出了随机左截断右删失数据下的一种光滑分位估计,推导出此光滑估计的相合性和渐近正态性,同时获得了该估计的强弱Bahadur表示定理。     

左截断右删失下一类泛函估计的渐近性质

在左截断右删失下,本文讨论了一类广义Von－Mises泛函估计的渐近性质．在一定条件下,得到了此类泛函估计的强逼近和U-统计量表示,并由此得出它的强相合性、渐近正态性及重对数律．     

随机删失下半参数回归模型的估计理论

本文研究了随机右删失情形下半参数回归模型中未知参数的估计问题,证明了它们的渐近正态性．文中结果是完全数据情形下相应结果的推广和改进     

左截断右删失模型下乘积限估计的强大数律(Ⅱ)

对左截断右删失模型，在不要求分布函数连续的条件下，给出乘积限估计F_n是真分布的一致强相合估计的完整结果．作为推论，还给出右删失模型下的K－M估计和左截断模型下的乘积限估计的一致强相合性的完整结果．     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

随机左截断数据下乘积限估计的强逼近及其应用

本文建立了左截断数据下乘积限估计的强表示结果,其误差项的收敛速度达到重对数律。作为应用,推出了乘积限估计的重对数律和强逼近等深刻结果。     

截断与删失数据的极大似然估计的中偏差

本文研究了截断与删失模型,运用Taylor渐近展开方法,得到模型的极大似然估计的中偏差,比渐近正态性结果更加精细.     

关于线性秩统计量的渐近正态性及其收敛速度

本文讨论线性秩统计量的渐近正态性的条件及其收敛速度．推广了Hajek关于线性秩统计量收敛于正态分布的条件的重要定理，并得出了一个较易验证的充分条件．对于一般形式的计分函数，在一定条件下得出了相应线性秩统计量收敛于正态分布的速度．     

一类纵向数据半参数模型估计的收敛速度

本文研究了一类纵向数据半参数模型参数和回归函数的估计问题.利用最小二乘法和一般的非参数权函数方法,获得了参数估计量的强收敛速度和回归函数估计量的一致收敛速度,推广了文献[4]的相应结果.     

相协样本分布函数光滑估计的正态逼近速度

在平稳相协样本下,讨论分布函数光滑估计的一致渐近正态性.在较合理的条件下给出了分布函数光滑估计的一致渐近正态性的收敛速度,这个速度几乎达到n~(-1/4).     

DISTRIBUTION FREE LAWS OF THE ITERATED LOGARITHM FOR KERNEL ESTIMATOR OF REGRESSION FUNCTION BASED ON DIRECTIONAL DATA DISTRIBUTION FREE LAWS OF THE ITERATED LOGARITHM FOR KERNEL ESTIMATOR OF REGRESSION FUNCTION BASED ON DIRECTIONAL DATA

1. Introduction and Main ResultWhen statistical data consists of direction only, it can be represented as point of fi, thesurface of the unit sphere in d-dimensional Euclidean space, defined as fi = {x E Rd: IIxll 1}, d 2 2. We call it directional (or spherical) data.The study of directional data is of practical interest. There are many situations whereobserved data are in the form of direction cosines or in the form of vectors but with anunknown positive scalar so that only the direction i…     

混合模型中失效率函数的性质与混合分布族

在失效数据的Ｃｏｘ混合模型中混合后的失效率函数的性质会与基准失效率函数的性质有很大的不同。一个非常重要的现象是：在一些常用的混合分布下,当基准失效率为上升函数时,混合后的失效率却可能为下降函数。本文在Ｃｏｘ混合模型下讨论混合后的失效率函数的增减性质与基准失效率及混合分布的关系。在此基础上推荐一个参数族－平移共轭稳定分布族,作为混合分布族。此分析族包含一个熟知的分布,用它作混合分布族可以拟合具有不同     

双重时序模型矩估计的渐近性：1.样本自协方差（自相关）函数

双重时序模型自提出以来，特别是关于模型的概率性质（如平很快稳性，遍历性）已有许多讨论，但统计推断方面的文章还很少。作为［９，１０］工作的继续，本文及后续文章将讨论矩估计及其大样本性质。首先在本文中，基本的矩估计量（样本自协方差函数及样本自相关函数）的渐近性质对ＡＲ（１）－ＭＡ（ｑ）模型得到讨论，证明了其渐近正态，并 强相合的收敛速度。