获得参数最短置信区间长度的条件

寻找统计分布中参数的最短置信区间长度往往不容易,一些文献往往讨论具体分布中参数的最短置信区间长度.本文从常用枢轴变量的形式即参数的线性函数形式和反比例函数形式出发,可以获得得到参数最短置信区间长度的两个条件,并且枢轴变量的密度函数满足一定条件时,最短置信区间长度是存在且唯一的,结论具有一般性.     

单峰分布枢轴量的等尾与等高置信区间的比较

对枢轴量G的分布具有单峰密度函数的情形,证明了G的最短置信区间是满足置信区间端点密度函数值"等高"条件的置信区间.还对枢轴量分布为正态分布、t分布、卡方分布、F分布、伽玛分布和对数正态分布情形下,在Excel中进行了搜索式数值计算,并列表比较了"等尾"和"等高"情形下置信区间的长度,验证了上述分析结论.另外,还讨论了枢轴量的最短置信区间与枢轴量中所含参数的最短置信区间的关系.     

最短置信区间的近似计算

针对密度函数不对称时,未知参数最短置信区间计算的复杂性,文章讨论了正态分布x~N(μ,σ2)中的参数σ2在置信度为(1-α)下最短置信区间的近似计算,并给出两种搜索算法,应用分析表明该方法能准确快速的求出参数的最短置信区间     

指数分布族中矩估计序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数函数g(θ) 的一个序贯置信区间估计的程序．并讨论了在一定条件下,当d→0,它的渐近相合性、渐近有效性及有界的最优费用差(EN(d)-n(d))等渐近性质．     

误差为鞅差序列的半参数回归模型参数估计的收敛速度

研究误差为鞅差序列的半参数回归模型参数估计的收敛速度.利用非参数分段多项式估计和最小二乘法进行讨论.考虑固定设计下的半参数回归模型:yi=xiβ g(ti) ei,i=1,2,…,n,{ei}是随机误差,且{ei,Fi,i≥1}为平稳遍历的平方可积鞅差序列,Fi,i≥1为单调不减的σ代数流,且Ee21=σ20,E(e2i|Fi)≤1,对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ2的估计量βn和σ2n,在适当的条件下得到了βn和σ2n的精确的收敛速度.重对数律.     

半参数回归模型中二阶段估计的渐近性质

给定半参数回归模型Y＝X′β g(T) e,其中β∈R^p是未知参数向量,g(t)是定义在[0,1]上的未知函数,e是随机误差,本文研究了β,,g(t)和σ2的估计量βn,gn(t)和σn^2,在适当的条件下证明了它们的渐近正态性,并给出了gn(t)的最优收敛速度。     

一个联系Fisher信息和Amari曲率的极限定理

其中 x=(x_1,x_n)~T 是一随机向量,θ=(θ~1,…,θ~n)~T 是未知参数.θ∈H,H 是 R~n的一个开凸集.本文将采用 Einscein 求和约定.在以上条件下由(1.1)式确定的分布密度的集合形成一个 n 维的微分流形 S.我们考虑一个光滑地嵌入在 S 中的(m,n)-曲指数族 M,其元素可表示为 p(x,θ(u)),其中u=(u~1,u~m)~T,m相似文献   

均匀分布参数的最短置信区间

将求均匀分布未知参数的最短置信区间转化为条件极值问题,给出了均匀分布参数的最短置信区间,推广了原有的结论.     

鞅差误差下线性EV模型最小二乘估计的中偏差

研究了线性EV模型:η_i=θ+βx_i+ε_i,ξ_i=x_i+δ_i,1≤i≤n.当误差(ε_i,δ_i)为鞅差序列情形时,讨论了未知参数β和θ的最小二乘估计的中偏差问题.     

误差为鞅差序列的部分线性模型中估计的渐近正态性

考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.     

Poisson分布下基于鞍点逼近的慢性病风险差的置信区间构造

风险差是流行病学中重要的指标之一,常用来比较两种治疗或两种诊断的有效性.因此,风险差区间的精确估计对流行病病情的诊断以及治疗方案的选择有很重要的意义.结合Poisson抽样的优点以及慢性病发病周期长和发病率低的特点,利用鞍点逼近方法来构造了Poisson分布下风险差的置信区间.同时,通过实例和Monte Carlo模拟对传统的四种区间构造方法进行评价.模拟结果表明:在小样本情况下,鞍点逼近方法得到的置信区间大多数能保证覆盖率近似于期望的置信水平并且使得区间长度最短,是一种很好的置信区间构造方法.     

正态总体方差的最短区间估计与最佳双边检验

用传统方法得到的正态总体的方差的置信区间显然不是最短的 ,因而在这个意义上说也不是最佳的 .对从 3到 45的 n及α=0 .2 5 ,0 .2 0 ,0 .1 5 ,0 .1 0 ,0 .0 5 ,0 .0 1 ,0 .0 0 5 ,我们得到了附表一 ,由此可以查出相应的最短置信区间 .同样 ,在对正态总体的方差进行双边检验时 ,传统的方法给出的临界值也不是最佳的 .对如下的 n和 α我们得到了附表二 ,由此可以查出最佳的临界值 .进行计算所需的程序由我们自己编写     

Sample size for the Z test and its confidence interval

The statistical power of a significance test is closely related to the length of the confidence interval (i.e. estimate precision). In the case of a Z test, the length of the confidence interval can be expressed as a function of the statistical power.     

逆高斯分布变异系数和尺度参数的统计推断研究

构造了逆高斯分布中变异系数的广义枢轴量,给出了一种参数的区间估计方法,并与MOVOER(method of variance of estimates recovery)和Bootstrap方法进行比较;给出了多总体下尺度参数两两差的同时置信区间.模拟结果表明:在中、小样本情况下,所给的广义置信区间其覆盖概率接近置信水平,平均区间长度较短,优于MOVOER方法与Bootstrap方法;对于多总体下尺度参数两两差的同时置信区间,所给出的三种同时置信区间,其覆盖率在置信水平附近,具有良好的频率性质.     

球内三维均匀分布区域半径的估计

讨论了球内三维均匀分布区域半径的估计,利用次序统计量得到球形区域半径的估计量和置信区间,并证明了所给置信区间为一定条件下的最短置信区间.     

两种估计区间解法的讨论

依据等概率对称区间和等密度对称区间的概念引出两种估计区间求解方法,并通过两种方法推导证明了等密度对称区间即为最短估计区间.然后分别就F分布和χ2分布情形对这两种区间估计方法作以比较.比较发现,在同样条件下,等密度对称区间总比概率对称区间要短,并且随着自由度增加,两种区间趋于重合.     

n维球内均匀分布的参数估计

研究了n维球内均匀分布的参数的点估计与区间估计,利用次序统计量得到了球半径的最大似然估计,在此基础上构造了球半径的无偏估计,并且证明了该无偏估计的相合性.利用构造枢轴量的方法得到了球半径的最短置信区间.     

Likelihood-based Inference for the Ratios of Regression Coefficients in Linear Models

We consider the standard linear multiple regression model in which the parameter of interest is the ratio of two regression coefficients. Our setup includes a broad range of applications. We show that the 1− α confidence interval for the interest parameter based on the profile, conditional profile, modified profile or adjusted profile likelihood can potentially become the entire real line, while appropriately chosen integrated likelihoods do not suffer from this drawback. We further explore the asymptotic length of confidence intervals in order to compare integrated likelihood-based proposals. The analysis is facilitated by an orthogonal parameterization.     

Interval estimation of mean response time for a G/M/1 queueing system: empirical Laplace function approach

Mean response time is an important performance measure for a queueing system. In this paper, we propose a consistent and asymptotically normal (CAN) estimator of the mean response time for a G/M/1 queueing system, which is based on the fixed point of empirical Laplace function. The confidence interval for the mean response time can be constructed by applying the proposed CAN estimator and its estimated variance. And we carried out a simulation study to perform the accuracy of the constructed confidence interval by calculating the coverage percentage and the relative average length of confidence interval. Detailed discussions of all simulation results for three various models of G/M/1‐type system are presented and some valuable conclusions are provided. Copyright © 2006 John Wiley & Sons, Ltd.