两样本半参数模型的经验欧氏似然估计

在本文中，我们证明了两样本半参数模型的经验欧氏似然估计的相合性和渐近正态性，也证明了两样本半参数模型的经验欧氏似然比统计量的渐近x2分布性，最后给出了两个例子．     

经验欧氏似然的大样本性质

本文讨论了强平稳 m相依样本半参数模型的经验欧氏分布函数的相合性及经验欧氏似然比统计量的渐近 χ2分布性 .     

可加模型中参数的经验欧氏似然估计

可加模型是参数设计中一个非常重要,实用的模型。本文讨论了可加模型中参数的经验欧氏似然估计及其性质,并给出了一种与参数的经验欧氏似然估计渐近等效的加权LS估计,最后分析了一个数值例子。     

基于离散观测的OU型过程的经验似然估计

基于离散观测样本,借助条件特征函数,提出了OU型过程参数的经验似然估计,并证明了最大经验似然估计的相合性和渐近正态性,同时证明了在适当的附加条件下,该估计是渐近有效的.当驱动Lévy过程具有某种特殊形式时,发现OU型过程的强度参数能够首先估计出来.在此特殊情形下,提出了OU型过程中其余参数的最大经验似然估计,并讨论了其相合性、渐近正态性和渐近有效性.基于经验似然比统计量,给出了参数检验和估计方程检验的似然比检验方法.模拟显示所提出的估计方法是准确和稳定的.     

平衡增加的经验欧氏似然

经验(欧氏)似然方法是近年来非常流行的一种非参数统计方法.针对经验(欧氏)似然的凸包限制和计算复杂问题,本文借助Emerson和Owen (2009)所提出的平衡增加思想对经验欧氏似然进行修正,得到了平衡增加的经验欧氏似然.随后论文从理论和模拟两个方面进行了研究.理论上给出了该方法与经验欧氏似然检验函数之间的联系,即在固定的样本量n下随着添加点位置的连续变化,检验方法可以从简单的均值增加经验欧氏似然变化到经验欧氏似然检验;模拟结果显示,适当选取调整因子,平衡增加的经验欧氏似然相对于(调整)经验欧氏似然而言,在大多数情况下,其分布更接近于对应的极限分布.     

弱相依数据中的分组经验Cressie-Read似然方法

本文考虑一般的弱相依数据, 提出了分组经验Cressie-Read似然方法. 得到了分组经验Cressie-Read似然参数估计的强收敛性、渐近正态性和其分组经验Cressie-Read统计量的渐近$\chi^{2}$性.     

ψ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

-混合样本下含附加信息时条件分位数估计的渐近性质(英文)

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

二阶扩散模型的经验似然推断

本文利用经验似然方法得到了二阶扩散模型的漂移系数和扩散系数的经验似然估计量, 并研究这些估计量的相合性和渐近正态性. 进一步在经验似然方法的基础上给出了漂移系数和扩散系数的非对称的置信区间, 并且在一定的条件下证明了调整的对数似然比是渐近卡方分布的.     

三种两样本经验Euclidean似然方法及其比较

本文研究三种两样本经验Euclidean似然方法，基于两个无偏估计函数的经验Euclidean似然方法，基于一个无偏估计函数和一个历史经验估计的经验Euclidean惩罚似然方法，基于两个经验估计的加权和方法，我们研究了这些方法的强相合性，渐近正态性和渐近有效性，研究表明，这三种方法是同等渐近有效的。