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。     

φ-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。     

含际加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附另信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差。     

含附加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附加信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差．     

强混合样本且含附加信息情形M估计和分位数估计的渐近性质（英文）

在强混合样本且含附加信息情形,本文采用经验似然方法提出了一类新的M估计和新的分位数估计.结果表明,本文提出的M估计和分位数估计具有相合性和渐近正态性,且其渐近方差比一般M估计和分位数估计的渐近方差小.     

纵向数据下部分非线性模型的广义经验似然推断

本文研究了纵向数据下部分非线性模型中未知参数的置信域的构造.利用经验似然方法,构造了非线性函数中未知参数的广义对数经验似然比统计量,证明了其渐近于卡方分布.同时,得到了未知参数的最大经验似然估计,并证明了其渐近正态性.     

强混合样本情形含附加信息时总体分位数的估计

在强混合样本下,利用分组经验似然方法构造了总体分位数的一类新的估计,证明了估计的渐近正态性,同时证明了含附加信息时估计的渐近方差小于或者等于不含附加信息时估计的渐近方差.     

NA序列下经验分布函数的渐近正态性及其应用

本文在NA负相协序列下利用熟知的相依情形的大小块分割的方法,建立了经验分布函数的渐近正态性．作为在可靠性中的应用,得到了生存函数■(x)=P(X＞x)估计的渐近正态性．     

分位数置信区间的估计方法分析

构造了基于分位数两种估计量的渐近置信区间,并找到分位数基于样本次序统计量的渐近置信区间.同时,建立了基于分布函数核估计定义的分位数估计量的渐近正态性,并使用经验似然方法构造出分位数的两种渐近置信区间.在模拟分析中,基于置信区间的平均长度和覆盖率,分析构造分位数的五种渐近置信区间的有限样本表现.     

数据缺失情形线性回归模型中误差方差的经验似然估计

在随机缺失(MAR)机制下利用经验似然方法构造了线性回归模型中误差方差的估计.并在一定条件下,证明了该估计的渐近正态性,由此得出当误差的分布不对称时,该估计的渐近方差比常用估计的渐近方差小.     

调整经验欧氏似然及其性质

经验(欧氏)似然是近年来非常流行的非参数统计方法之一,但其存在凸包限制和计算复杂等不足之处.针对此不足,CHEN等人(2008)给出调整经验似然.本文借助此想法,给出调整经验欧氏似然方法,进而讨论其相应的统计性质.理论结果显示,调整经验欧氏似然有与经验欧氏似然完全类似的性质;模拟结果显示,在某些情况下(如二维情况),调整经验(欧氏)似然所得的区间估计具有较好的覆盖率.此外,调整经验欧氏似然的思想和计算都比较简单.从实用角度看,具有较高的推广价值.