数据非随机缺失时单变量的分布函数估计

本文研究数据非随机缺失下的分布函数估计问题.在确定缺失数据是否属于某些指定区间的前提下,对一维随机变量y的分布函数F(y)作出了估计.此时,假定数据缺失机制形式已知,但包含某未知多维参数θ.本文证明了未知参数θ的估计量(θ)的相合性和渐近正态性,也证明了分布函数F(y)的估计量F(y)的相合性和渐近正态性.     

缺失数据下的两步抽样法估计

在数据缺失机制形式未知时,通过两步抽样得到了分布函数的相合估计量,证明了该估计量的渐近正态性.文中假设第二次抽样时的数据缺失机制与第一次抽样时的数据缺失机制函数形式类似,允许两者有一个一维未知参数的差别.     

谈二维随机变量的函数的分布函数

设二维随机变量 (X,Y)的概率密度为 f (x,y) ,二维随机变量的函数是 U =U(x,y) ,则U的分布函数为FU(u) =P{ U≤ u} = Gf (x,y) dxdy,G:u(x,y)≤ u,(-∞ 0 .将此…     

关于数据缺失机制的检验方法探讨

在调查研究中,缺失数据是一个非常普遍的问题,各种处理缺失数据的方法都是建立在数据缺失机制的某种假定上.在总结他人研究成果的基础上,分别给出了MCAR、MAR和NMAR机制的检验识别方法,MCAR机制的检验从分布特征入手,通过比较均值和方差是否一致来判定;MAR机制的检验利用Logit模型刻画缺失指示变量R的分布,通过估计参数的显著性来判定,NMAR机制则通过对数据的缺失模式和原因进行分析来识别.     

条件分布计算的几个问题研究

主要通过举例,介绍二维连续型随机变量(X,Y)当fY(y)=0或fX(x)=0时相应的条件分布的几种情况.其结论表明条件分布可能是连续型分布,也可能是离散型分布,甚至还可能是非连续型非离散型分布,以此加深对条件分布的认识.     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.     

随机截断模型下的中心极限定理

在流行病学,生物统计学和天文学中常遇到随机截断数据.在随机截断下,人们关心的随机变量X被另一个随机变量y干扰.只有当X≥y时,才能观测到X和Y.在这个模型下,人们需要用截断数据估计X的分布函数F.本文证明,F的非参数最大似然估计Fn在下述意义下服从中心极限定理.对任何可测函数g(x),√n∫f9(x)[dFn(x)-dF(x)]依分布收敛到均值为零方差为σ2的正态分布.从这个结果可以得出F的各种矩,特征函数等估计的渐近正态性.作为推论,还可以得到Fn在整个直线上的依分布收敛.我们的结果不要求X和Y的分布函数连续,得到的方差公式是简明的.     

一类两个随机变量函数的分布

给出了随机变量X,y分别是离散、连续不同类型时,其函数Z=g（X,y）分布的一般求解方法和应用举例．     

二维随机变量条件分布函数教学的思考

本文利用条件概率的定义,由随机变量分布函数的性质,给出一般情形下随机变量条件分布函数的定义,以帮助学生更好地理解随机变量的条件分布函数的概念.     

随机误差的分布机理

研究随机变量误差的分布函数,通过数理变形、推导证明此随机变量精确服从正态分布.