对数正态分布场合的BAYES分析和大样本的后验分布

本文绘出了对数正态分布场合中的两参数μ，σ2均未知时的Bayes分析，并给出相应的例子．讨论了大样本的后验分布，推广了[2]中的结果．     

随机加权法在密度估计中的应用

本文给出了概率密度函数的椭机加权估计，证明了承机加权分布与密度估计的标准化估计量的分布的逼近精度可达到ｏ（１／√ｎｈ），并且构造了Ｅｆｎ（ｘ）的置信区间，其中ｆｎ（ｘ）为密度函数的核估计，ｈ＝ｈｎ炒估计的窗宽。     

多个偏正态总体共同位置参数的Bootstrap置信区间

该文基于Bootstrap方法研究多个偏正态总体共同位置参数的区间估计和假设检验问题.首先,分别给出未知参数的矩估计和极大似然估计.其次,将徐礼文[1]对多个正态总体共同均值的探讨推广到多个偏正态总体,进而构造共同位置参数的Bootstrap置信区间和Bootstrap检验统计量.Monte Carlo模拟结果表明,无论是两个总体、三个总体还是五个总体,基于矩估计和惩罚极大似然估计的Bootstrap置信区间在覆盖概率意义下优于其他四种Bootstrap置信区间.最后,将上述方法应用于地区生产总值和生物利用度数据的案例分析,以验证该文所给方法的合理性和有效性.     

正态总体均值置信区间长度的比较

当单个正态总体方差分别为已知和未知时,总体均值置信区间的长度比较问题仍待探讨.利用样本标准差数学期望的性质,通过积分变换的方法证明了前者小于后者的期望.     

逆高斯分布变异系数和尺度参数的统计推断研究

构造了逆高斯分布中变异系数的广义枢轴量,给出了一种参数的区间估计方法,并与MOVOER(method of variance of estimates recovery)和Bootstrap方法进行比较;给出了多总体下尺度参数两两差的同时置信区间.模拟结果表明:在中、小样本情况下,所给的广义置信区间其覆盖概率接近置信水平,平均区间长度较短,优于MOVOER方法与Bootstrap方法;对于多总体下尺度参数两两差的同时置信区间,所给出的三种同时置信区间,其覆盖率在置信水平附近,具有良好的频率性质.     

不平衡两因素套设计模型中方差分量比的区间估计

给出了次样本容量相等时,不平衡两因素套设计模型中方差分量之比的广义区间估计.为了研究所得区间估计的优良性,并与Burdick,Birch and Graybill给出的修正大样本(MLS)方法进行对比,进行了模拟研究和分析.结果表明所得方法优于MLS方法,特别是在极端不平衡情形.     

响应变量存在缺失时部分线性模型的经验似然推断

考虑响应变量带有缺失的部分线性模型,采用借补的思想,研究了参数部分和非参数部分的经验似然推断,证明了所提出的经验对数似然比统计量依分布收敛到χ2分布,由此构造参数部分和函数部分的置信域和逐点置信区间.对参数部分,模拟比较了经验似然与正态逼近方法;对函数部分,模拟了函数的逐点置信区间.     

Empirical likelihood method for quantiles with response data missing at random

Empirical likelihood is a nonparametric method for constructing confidence intervals and tests,notably in enabling the shape of a confidence region determined by the sample data.This paper presents a new version of the empirical likelihood method for quantiles under kernel regression imputation to adapt missing response data.It eliminates the need to solve nonlinear equations,and it is easy to apply.We also consider exponential empirical likelihood as an alternative method.Numerical results are presented to compare our method with others.     

响应变量缺失时条件分位数的经验似然置信区间

本文利用经验似然的思想,分别构造在响应变量满足随机缺失(MAR)机制的条件下,不含附加信息和含附加信息时条件分位数的置信区间,并说明检验的渐近功效随信息量的增加而非降,推广了现有文献中的相应结果.     

基于置信分布的多个对数正态总体的公共均值的置信区间的构建（英文）

在实际应用中需要拟合正的偏态数据时,对数正态分布是通常的选择.当通过多重比较确定了多个对数正态分布总体的均值相同时,如何能够利用更多的信息,同时使用这些对数正态分布总体的信息来构建公共均值的置信区间成为了众多学者颇为关注的问题.本篇文章提出了一种新的基于置信分布的方法来构建多个对数正态总体公共均值的置信区间,该方法通过对相关量的样本方差进行加权来提高效率.进而对文中提出的基于置信分布的置信区间的构建方法进行了蒙特卡洛模拟研究,模拟结果表明,我们提出的构建方法可以得到很好的覆盖概率和较短的区间宽度.文章的最后用三个实际数据来验证了文中所提出方法的表现.