方差的经验似然比置信区间估计

本文给出了方差的经验似然比置信区间估计。     

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.     

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.     

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.     

强混合样本下密度函数的经验似然统计大样本性质

本文将在强混合样本下，利用分组经验似然比方法，构造密度数的置信区间。     

复杂调查下的模型校正推断方法

本文考虑了在无放回不等概率抽样下,当有完全辅助信息时,利用模型校正的伪经验对数似然方法去构造关于-Y和F(t)的置信区间.同时考虑了非分层抽样和分层抽样的情形,定义了由模型校正估计量的设计效应调整的伪对数经验似然比函数,并导出了伪经验对数似然比函数的渐近分布.     

NA误差下部分线性模型的经验似然推断

对于部分线性模型yi=βxi+g(ti)+ei,1≤i≤n,这里(xi,ti)是固定设计点,g是未知函数,ei是负相协(NA)随机误差,给出了回归系数的经验似然比统计量,并讨论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.     

PA样本下非参回归函数的经验似然置信区间

在PA样本下采用分块方法构造非参数回归函数的经验似然比统计量,并在一定的正则条件下证明了统计量渐近服从卡方分布,由此构造了非参回归函数的经验似然置信区间.     

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.