ARCH模型的多变点检验

研究自回归条件异方差(ARCH)模型的多变点检验问题.提出一种拟似然比检验统计量,并在原假设下给出统计量的极限分布.在假设检验过程中得到变点个数的一致估计.数值模拟与实例分析说明了方法的合理性.     

带有Markov型误差的线性模型的假设检验（英文）

本文研究线性模型中关于误差Markov链齐次性的假设检验问题.利用关于未知参数的拟极大似然估计和鞅差方法,获得了似然比检验统计量的极限分布.     

正态-逆Wishart先验信息下多元线性模型的后验似然比检验

在正态-逆Wishart先验信息下考虑多元正态线性模型Y-Nn×m(XB,In■∑)的参数矩阵B的线性假设检验问题,根据B的后验概率分布构造了关于B的两种线性假设的后验似然比检验,所得检验统计量是矩阵F-分布的特征值函数.     

恰当散度非线性模型变离差的检验

本文研究了恰当散度非线性模型变离差的检验问题.基于似然比统计量和得分统计量,得到变离差的检验.并且用数值例子说明方法是有效的.     

多项分布总体的相等对增凸序问题的多样本检验

概率分布间随机序在实践中已经得到了广泛的应用,而且似然比检验是用以检验涉及随机序问题的最普遍的检验方法．但是,关于多个多项式总体间的增凸序约束的统计推断问题并没有得到充分发展．多样本的增凸序对无约束的检验问题已被研究．然而,多总体的相等性对增凸序的假设检验问题似乎更有研究意义．并且分布的相等对随机序的假设检验问题往往是统计学家最为普遍地考虑．对多样本的情况,本文考虑了分布的相等对增凸序的假设检验问题,并且获得似然比检验统计量的零渐近分布,它是一组x~2分布随机变量的加权和,即■~2分布．     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

含估计参数的加权经验过程

在讨论(广义)非参数似然比拟合优度检验时,加权经验过程理论是一个非常重要的基础.但对含估计参数的加权经验过程理论,目前文献中很少讨论.对含估计参数的加权经验过程的上界型和积分型两种统计量的近似分布进行了讨论,给出了较一般的结果.所得结论叮以为进一步讨论复合零假设下(广义)非参似然比拟合优度检验提供理论基础.     

一类相合的分位点型检验

广义非参数似然比检验统计量是一类很广的统计量,包含了众多重要的检验统计量,如Anderson-Darling(AD)等.利用Rubin的随机经验分布函数替代经验分布函数的方法,得到了广义非参数似然比检验统计量的新版本,构造了新的检验统计量.由于新的检验统计量在给定样本下仍然是随机变量,选择了它的分位点和期望作为检验统计量,分别称之为分位点型检验统计量和期望型检验统计量.在简单假设情况下,证明了分位点型检验统计量和期望型检验统计量在固定备择下的相合性.模拟结果显示,在某些备择下,新的检验的功效明显高于原有的基于经验分布函数的检验的功效.     

广义Pareto分布变点检测似然比模型

为检测极端事件的状态变化,基于似然比方法研究了广义Pareto分布(Generalized Pareto Distribution,GPD)变点检测模型.考虑三参数GPD变点的检验问题,提出了最大似然比检验统计量.通过证明参数变换后GPD的对数似然和检验统计量的一系列极限性质,得到了检验统计量的渐近分布.通过模拟研究,对该方法的有限样本性质进行了评价,实例分析也验证了该方法的可行性.     

复合零假设下的修正Berk-Jones检验

首先给出带估计参数的上界型和积分型两种修正Berk-Jones拟合优度检验统计量,接着在复合零假设下研究了这两种检验统计量的渐近分布.所得结论可以为进一步讨论非参数似然比拟合优度检验提供较好的理论基础.     

竞争风险混合模型的参数估计与检验

本文在独立同分布I型区间删失情形下,研究了竞争风险混合模型中当参数真值是内点时,参数极大似然估计的性质,获得了其强相合性和渐近正态性.在较为宽松的条件下,给出了竞争风险混合模型参数序关系假设检验的检验方法,同时得到了似然比检验统计量及其在零假设下的渐近分布为加权x~2分布,并给出了—个例子并进行了功效比较.     

线性模型中假设是凸锥时似然比统计量的零分布

对于有正态误差和已知协方差阵的线性模型,讨论了参数域是凸锥的假设检验问题．在考察了似然比统计量的性质后,表明了只要似然比统计量是观察值的凸函数,则似然比统计量的零分布是Ｘ２－分布的混合,而此前的结果是仅当零假设或备择假设形成线性空间时才可用．     

假设检验的相对稳定性

郑祖康^[1]提出了数理统计学中一个有意义的新问题－假设检验的稳定性。但是,由于稳定性定义的条件太强,从而通常检验统计量的稳定性并不好。本文根据假设检验的实际意义,定义了假设检验的相对稳定性,讨论了一类常用检验统计量的相对稳定性的一些性质,作为特例,得到似然比检验的相对稳定性的性质。     

重尾序列均值变点的经验似然比检验

本文通过经验似然思想建立假设检验的方法,研究了重尾序列均值变点的检测问题.首先,基于重尾模型,在原假设和备择假设下得到经验似然函数.其次,基于经验似然函数构造似然比检验统计量,并给出在原假设成立时该似然比统计量的渐近分布.最后,进行Monte Carlo数值模拟验证该方法的有效性,模拟结果表明本方法对重尾序列均值变点的检测具有良好效果.     

至多一个分布变点的非参数检验及其渐近性质

本文研究了连续分布函数变点的假设检验问题,通过秩统计量和次序统计量方法,得到了相应的检验统计量及其渐近性质.     

尺度参数变点的非参数检验

本文讨论了尺度参数模型参数变点的假设检验问题\bd 基于两样本$U$\,-统计量, 我们给出了两个检验, 并且研究了检验统计量分布的极限性质\bd 我们证明了这两个检验统计量的极限分布分别是$\sup\limits_{0相似文献   

在非线性回归模型中误差为AR(2)的相关性检验

本文讨论了在非线性回归模型中误差为AR(2)的相关性检验，得到了误差相关性检验的似然比检验统计量、Score检验统计量．对感兴趣参数和多余参数，利用Cox and Reid(1987)提出的正交化方法，给出了修正的似然比检验统计量和Score检验统计量．推广了胡跃清，韦博成(1994)讨论的在非线性回归模型中误差为AR(1)相关性检验的结果．     

增长曲线模型参数的似然比检验

正态假设下增长曲线模型参数的极大似然估计已被广为研究。本文在两类更为广泛的分布族——椭球等高分布族中研究了增长曲线模型参数的极大似然估计问题;并讨论它们与正态假设下其估计的内在联系;导出了一般假设检验的似然比准则;对某些特殊而常见的检验问题,研究了其验检统计量的零分布不变性。     

两个总体相等的广义似然比检验

利用广义似然比检验的原理,首先求出广义似然比统计量的极限分布,然后给出了两个总体相等的广义似然比检验方法,并且给出了随机模拟结果.