数据缺失机制不明确时的分布函数估计

研究了在数据缺失机制不明确时如何估计随机变量Y的分布函数FY(y),该问题不同于可以用参数模型刻画数据缺失机制时的情形,考虑到此时可能出现不可识别现象,获取一些辅助信息是必要的.借助一个可以完全观察到的随机变量X提供必须的辅助信息,构造了随机变量Y的分布函数Fy(y)的估计量,并研究了它的大样本性质.     

缺失数据下的两步抽样法估计

在数据缺失机制形式未知时,通过两步抽样得到了分布函数的相合估计量,证明了该估计量的渐近正态性.文中假设第二次抽样时的数据缺失机制与第一次抽样时的数据缺失机制函数形式类似,允许两者有一个一维未知参数的差别.     

右随机截断下混合分布系数的非参数推断

对于混合分布模型$H=\lambda F+(1-\lambda)G$, 构造了在右随机截断下混合分布系数$\lambda$的估计量$\wh{\lambda}$, 并证明了$\wh{\lambda}$的渐进正态性.     

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.