截尾寿命试验中参数最大似然估计的重对数律

本文对于包含定数和定时截尾寿命试验的混合型寿命试验，研究了分布参数的最大似然估计．基于截尾数据，证明了最大似然估计的收敛速度符合重对数律．     

带有不完全信息随机截尾试验下Weibull分布参数的MLE的重对数律

本文研究了带有不完全信息随机截尾试验模型，证明了Weibull分布参数的MLE的收敛速度符合重对数律。     

带有不完全信息随机截尾试验下参数MLE的重对数律

在条件(Ψ)下,证明了带有不完全信息随机截尾试验中参数MLE的收敛速度符合重对数律,并且验证了指数分布、Weibull分布、对数正态分布满足条件(Ψ).     

带有不完全信息随机截尾试验下最大似然估计的相合性及渐近正态性

本文在条件(Ф)下，证明了带有不完全信息随机截尾试验的最大似然估计的相合性及渐近正态性，验证了Weibull分布、对数正态分布满足条件(Ф)。     

随机栅失情形下分布参数的最大似然估计的重对数律

本文讨论了随要删失情形下分布参数的最大似然估计，证明了最大似然估计的收敛速度符事重对数律。     

不完全信息随机截尾模型的MLE 的Chung 重对数律

在一定条件下,证明不完全信息随机截尾模型的MLE 满足 Chung重对数律. 作为其推论得到:不完全信息随机截尾试验下,指数分布和Weibull 分布的MLE 满足Chung 重对数律.     

随机截尾情形下正态分布参数的最大似然估计

设x1,…,xn,y1,…,yn是相互独立的随机变量,其中x1,…,xn服从相同的正态分布N(μ,σ2)或对数正态分布LN(μ,σ2),参数(μ,σ2)未知.我们的观测数据为(ti,δi), i=1,…,n,其中ti=min(xi,yi),δi=I(xi≤yi),这里I(·)为示性函数.基于上述数据,本文的主要结果是论证了(μ,σ2)的最大似然估计(MLE)存在的充要条件是下列条件至少一条满足:(1)有ti＜tj使δi=δj=1;(2)有ti＜tj使δi=1,δj=0.此外,我们还给出了MLE的计算方法和一些算例.     

带有不完全信息随机截尾试验下总体均值型参数的经验似然

本文考虑带有不完全信息随机截尾试验模型,当模型中寿命随机变量的总体分布类型完全未知时,针对总体均值型参数进行统计推断,构造经验对数似然比统计量,模拟表明该统计量的分布与标准卡方分布拟合得很好,由于数据是不完全数据,借鉴[11]采用广义EM算法计算该统计量,数值模拟表明这是个行之有效的方法.     

Weibull过程参数最大似在估计的重对数律

本文对Ｗｅｉｂｕｌｌ过程证明了当观测时间趋于无究大时参数的最大似然估计的收敛速度符合重对数律。对一类与之相关的非齐次Ｐｏｉｓｓｏｎ过程也得到了类似的结果。     

带有不完全信息随机截尾试验下Weibull分布参数的MLE

本文在文献（１）￣（３）的基础上坦步研究了带有不完全信息的随机截尾试验模型。讨论了Ｗｅｉｂｕｌｌ寿命分布参数的统计分析，给出了似然方程组即参数的极大似然估计的存在唯一性定理。文末给出了随机模拟数值解，结果表明，参数的ＭＬＥ与其真值很接近。     

迭代Brown运动的一个Chung型重对数律

X及Y分别为Rd1及Rd2中的相互独立的标准Brown运动,满足X（0）=Y（0）=0．定义,称为一个迭代Brown运动．本文给出了关于Zd1,d2的一个Chung型重对数律．     

关于可交换随机变量序列的重对数律

本文讨论了可交换随机变量序列{Xn:n≥1}的重对数律。     

CONSISTENCY OF MLE OF THE PARAMETER OF EXPONENTIAL LIFETIME DISTRIBUTION FOR RANDOM CENSORING MODEL WITH INCOMPLETE INFORMATION

In this paper, we have discussed a random censoring test with incomplete information, and proved that the maximum likelihood estimator (MLE) of the parameter based on the randomly censored data with incomplete information in the case of the exponential distribution has the strong consistency.     

加权U—统计量的一个重对数律

证明了关于独立同分布随机变量序列的加权Ｕ－统计量的一个重对数律,类似于献「３」证明了一个加权Ｕ－统计量的解耦不等式。     

线性过程的强逼近和重对数律

本文讨论由独立同分布随机变量列产生的线性过程的泛函型重对数律和强逼近, 同时又给出由NA随机变量列产生的线性过程的重对数律.     

On the Law of The Iterated Logarithm for Rapidly Increasing Subsequences

The usual law of the iterated logarithm states that the partial sums S_n of independent and identically distributed random variables can be normalized by the sequence a_n = √nlog log n, such that limsup_n→∞ S_n/a_n = √2 a.s. As has been pointed out by Gut (1986) the law fails if one considers the limsup along subsequences which increase faster than exponentially. In particular, for very rapidly increasing subsequences {n_k≥1} one has limsup_k→∞ S_nk/a_nk = 0 a.s. In these cases the normalizing constants a_nk have to be replaced by √nk log k to obtain a non-trivial limiting behaviour: limsup_k→∞ S_nk/ √nk log k = √2 a.s. We will present an intelligible argument for this structural change and apply it to related results.