双参数指数分布参数比率统计推断的研究

本文在产品寿命服从双参数指数分布的无替换定数截尾寿命试验场合下,提出了两独立产品平均寿命比率的两个估计量,并研究了这两个比率估计量的渐近正态性和置信区间.然后通过数据模拟,进一步验证了所提出比率估计量的有效性.     

˫����ָ���ֲ���������ͳ���ƶϵ��о�

本文在产品寿命服从双参数指数分布的无替换定数截尾寿命试验场合下,提出了两独立产品平均寿命比率的两个估计量,并研究了这两个比率估计量的渐近正态性和置信区间. 然后通过数据模拟,进一步验证了所提出比率估计量的有效性.     

核实数据下均值的估计

文章研究基于替代与核实数据样本下总体均值的估计问题, 利用核权函数法定义了一个总体均值的估计量, 它包含了替代数据和核实数据两方面信息. 并证明了该估计量的渐进正态性, 同时给出估计量的收敛速度.     

协变量缺失情形下的逆概率加权众数回归估计

数据缺失在实际应用中普遍存在,数据缺失会降低研究效率,导致参数估计有偏.在协变量随机缺失(MAR)的假定下,本文基于众数回归和逆概率加权估计方法对线性模型进行参数估计.该方法结合参数Logistic回归和非参数Nadaraya-Watson估计两种倾向得分估计方法,分别构建IPWM-L估计量和IPWM-NW估计量.模拟研究和实例分析表明,众数回归模型比均值回归模型更具稳健性,逆概率加权众数(IPWM)估计方法在缺失数据下表现出了更好的拟合效果,与IPWM-L估计量相比, IPWM-NW估计量更稳健.     

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.     

扩散模型中扩散系数的非参数组合估计

为了提高扩散系数估计的准确度, 我们利用动态组合时间域与状态域信息提出一个新的组合估计量. 我们发现所提组合估计量能有效估计扩散模型的扩散系数, 正如在本文中模拟所示. 在一定的条件下, 建立了估计量的渐进正态性, 并证明了时间域估计量与状态域估计量是渐进独立的. 大量的模拟展示了所提组合估计量优于单域估计量, 也优于本文所提估计量.     

删失数据中删失指标随机缺失下回归函数的非参数估计

本文在删失数据中删失指标随机缺失的情况下,运用非参数方法给出了回归函数的两种估计量,给出了估计量的一致收敛速度以及渐近分布,并进一步通过数值模拟验证了所提方法在有限样本下的性质.     

扩散模型中扩散系数的非参数组合估计（英文）

为了提高扩散系数估计的准确度,我们利用动态组合时间域与状态域信息提出一个新的组合估计量.我们发现所提组合估计量能有效估计扩散模型的扩散系数,正如在本文中模拟所示.在一定的条件下,建立了估计量的渐进正态性,并证明了时间域估计量与状态域估计量是渐进独立的.大量的模拟展示了所提组合估计量优于单域估计量,也优于本文所提估计量.     

多类型复发间隔时间下广义半参数风险模型

本文在多类型复发间隔时间数据下,研究了一类广义半参数风险回归模型的参数估计问题,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了估计量的相合性和渐近正态性.最后利用数值模拟来评估估计量在有限样本下的表现.     

右删失长度偏差数据分位数差的非参数估计

利用长度偏差数据所特有的辅助信息,对带右删失的长度偏差数据的分位数差提出了一种新的非参数估计.该方法提高了估计的有效性,所得的估计量形式简洁,便于计算.同时,本文用经验过程理论建立了该分位数差估计的相合性及渐近正态性,并给出方差估计的重抽样方法.本文还通过数值模拟考察了该估计量在有限样本下的表现,并将其应用到一个关于老年痴呆的实际数据中.     

单参数指数分布参数比率统计推断的研究

本文在产品寿命服从单参数指数分布的无替换定数截尾寿命试验场合下,提出两独立产品的平均寿命比率的两个估计量并研究了它们的均值、方差、方差的估计、大截尾数性质、置信区间及最优截尾数的确定问题.然后进行了数据模拟,进一步验证了所提估计量的有效性.     

区间数据的均值估计

本文在运用无偏转换思想找到区间数据均值估计的基础上,对所找到的估计量的方差进行了研究.针对区间截断情况1和区间截断情况2,找到了估计量方差有限的条件.当截断随机变量的分布在某种程度上比被截断随机变量的分布尾部更厚时,方差有限的估计量可以取到.     

下一个失效时刻的非参数估计

本文研究下一个失效时刻的非参数估计问题.文中所给出的估计量在一定条件下a.s.收敛,同时也讨论了估计量的渐近正态性.     

基于相依函数型数据非参数回归函数的稳健核估计

本文研究了基于相依函数型数据非参数回归函数的核估计.利用稳健的方法,在一定条件下获得了与i.i.d.场合下类似的估计量的几乎完全收敛速度,推广了现有文献中的相关结论.     

纵向数据半参数回归模型的估计方法

本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.     

纵向数据下半参数回归模型的统计分析

对于纵向数据下半参数回归模型,基于广义估计方程和一般权函数方法构造了模型中参数分量和非参数分量的估计.在适当的条件下证明了参数估计量具有渐近正态性,并得到了非参数回归函数估计量的最优收敛速度.通过模拟研究说明了所提出的估计量在有限样本下的精确性.     

可加模型的两阶段局部M-估计

研究了可加模型分量回归函数的局部M-估计, 针对分量回归函数及其导数提出了两阶段局部M-估计的方法. 在较广泛的条件下建立了估计量的渐近正态性理论, 估计量具有先知性质(oracle property), 即在估计某一分量回归函数时,其他分量回归函数是否已知不影响估计量的渐近性质. 渐近理论包括了两类常用的估计量,即最小二乘估计和最小一乘估计. 当ψ是连续的且是非线性时,估计量的实施非常耗时,为了减轻计算的负担, 提出了一步局部M-估计量, 并证明了在初始估计量足够好的情形下, 一步局部M-估计量与完全迭代所得到的估计量具有相同的渐近估计效率, 这使得两阶段局部M-估计的方法较为实用. 两阶段局部M-估计量继承了局部多项式估计的优点, 同时克服了其在最小二乘准则下不稳健的缺点. 另外, 还讨论了估计方法实施方面的细节及有关参数的选择方法. 数值模拟结果及实际例子说明了两阶段局部M-估计方法的优点及实用性.     

失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计

本文在加速失效时间模型下,研究了竞争风险数据失效原因缺失情况下模型系数的估计问题。在随机缺失的假设下,利用倒概率加权和双重稳健增广技术构建估计方程,用非参数的核光滑方法估计失效原因缺失的概率。通过将估计方程转化成优化问题的方式,给出了求解估计方程的算法,研究了所提出估计量的渐近性质,通过随机模拟来评价估计量的表现,并将提出的估计方法用于研究实际的乳腺癌数据.     

基于轮换样本连续性调查的校准组合估计方法研究

校准估计是抽样调查中比较常用的一种利用辅助信息提高估计量精度的方法。回归组合估计量作为轮换样本连续性调查中使用的一种有效的估计量,是可以通过校准程序得到的。基于回归组合估计量和校准程序之间的关系,本文提出了轮换样本连续性抽样调查条件下的不同校准组合估计量及其方差估计。校准组合估计量的主要思想是在校准估计程序中将拼配样本和非拼配样本的辅助信息进行不同的组合利用。本文利用美国现时人口调查的微观数据进行数值模拟,来比较不同校准组合估计量的估计效率,模拟结果表明两步校准组合估计量和两步校准双组合估计量的表现相似,且估计精度都高于H-T估计量及回归组合估计量;而两步校准组合估计量由于其简便性更适合应用于实践中。最后以我国农村住户连续性抽样调查为例,设计一套符合我国实际的轮换样本连续性调查方案,并将提出的校准组合估计量运用于估计阶段,为中国政府统计调查提供一定的借鉴和参考.     

VALUE-AT-RISK的核估计理论

如何根据历史数据估计Value-at-Risk（VaR）;是风险分析与管理中一个重要的基本问题.木文基于非参数核估计方法,通过拟合实际数据过程的分布,构造了VaR的估计.在合适的相依数据条件下,证明了该估计量的渐近正态性,并给出了渐近方差的估计.由此表明:本文所构造的估计量不仅比参数模型具有更广泛的适应性,而且如同参数模型具有n~（-1/2）的收敛速度.本文假设的数据过程避免使用混合性,可很好地适用于金融管理中广泛应用的ARMA与GARCH模型族及非线性模型.