相协样本下Wilcoxon两样本统计量的渐近分布北大核心CSCD

研究了相协样本下Wilcoxon两样本统计量的渐近分布的问题.利用Hoeffding分解方法,获得了相协样本下Wilcoxon两样本统计量的渐近分布为正态分布的结果,推广了负相协样本下Wilcoxon两样本统计量的渐近分布的结果.     

NA序列下的Wilcoxon两样本统计量

样本{X_1,X_2,…,X_m}与{Y_1,Y_2,…,Y_n}之间相互独立,但样本内部均为强平稳NA序列．在上述情况下研究了Wilcoxon两样本U统计量的渐近正态性,并给出了实际检验的计算公式．     

相协样本下密度核估计的联合渐近分布

证明了相协样本下密度函数的核估计在有限个不同点上的联合渐近分布为多维正态分布.     

多组样本下GL—统计量的渐近性质

本文主要讨论多组样本下GL－统计量的渐近分布,这里我们使用了Gateaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d样本下GL－统计量的渐近正态分布的性质[1]。     

多组样本下GL－统计量的渐近性质

本文上要讨论多组样本下GL－统计量的渐近分布。这里我们使用了Gâteaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d.样本下GL－统计量的渐近正态分布的性质[1].     

单样本U统计量及其渐近性质

系统地介绍了单样本U统计量的概念与H-分解,及利用H-分解的相关性质导出U统计量的渐近性质的结论,给出了H-分解的有关性质的数学归纳法证明,从U统计量的角度举例证明了我们常见的一些统计量的渐近正态性.     

双边截断情形下QH 统计量的渐近分布

ＣｈｅｎＬａｎｄＳｈａｐｉｒｏＳＳ［１］提出如下检验正态性的统计量其中,Ｘ１ｎ,Ｘ２ｎ,…,Ｘｎｎ为容量为n的样本的次序统计量,Ｈ为标准正态分布函数的逆函数．本文在一定的条件下得到了双边截断情形下ＱＨ统计量的渐近分布．     

斜球变量统计量的渐近分布

研究斜球变量平方型和T统计量的渐近性质. 得到了某些参数的相合估计, 并考察了单边t检验的显著性水平在斜球分布族内的稳健性.     

常相关样本统计量分布的应用

本文利用来自正态总体的常相关样本的一个统计量的分布，对广东省和辽宁省的一些企业１９８８年－１９８９年利润额增值进行了分析。     

相协样本下分位数的核估计在有限个点处的联合渐近分布（英文）

本文研究分位数的核估计在有限个不同点上的联合渐近分布.在相协样本下,构造分位数在有限个不同点上的核估计,并在适当的条件下证明所构造的估计的渐近正态性.最后还获得任意两个分位数差异的估计的渐近分布,推广现有文献中的相关结果.     

论斯米尔诺夫统计量的真确分布及其渐近展开

§1.引言设X为一随机变数具有连续分布函数F(x),x_1,x_2,…,x_n是X_n次相互独立试验的结果。将n个数据依照数值从小到大排列起来,我们把这些结果写成函数通常称作X在n次独立试验下的经验分布函数。继A.H.柯尔莫哥洛夫求出经验分布F_n(x)与连续理论分布F(x)间最大绝对差值的极限分布之后,关于F_n(x)与F(x)间最大的差值H.B.斯米尔诺夫证明了下列极限定理:     

一种Wilcoxon型统计量的中心极限定理

本文给出了一种类似于两样本Ｗｉｌｃｏｘｅｎ统计量的秩和统计量的中心极限定理，特别地当变量服从球对称分布Ｐ时，其极限分布与分布Ｐ无关。此统计量可对分布的球对称性进行初步的检验。     

相依假设下样本相关矩阵最大元的渐近分布

设{Xk,i;k≥1,i≥1)是一随机变量组列,令{pn;n≥1)是一正整数序列,满足c1≤n/pn≤c2,其中c1,c2是正实数.假设{Xk,i;k≥1,i≥1}满足一些相依条件,得到了Ln的渐近分布,这里Ln= ,以及表示(X1,i,…,Xn,i)'和(X1,j,…,Xn,j)'间的Pearson相关系数.     

相协样本下概率密度函数的调整经验似然推断

本文研究相协样本下概率密度函数的调整经验似然推断,证明对数调整经验似然比统计量服从χ²分布,由此构造了相协样本下概率密度函数的调整经验似然置信区间.在有限样本情况下通过数值模拟,对比分析得到AEL的表现略优于EL和NA的表现.     

相依样本下条件密度双重核估计的渐近分布

本文讨论了平稳，φ－混合样本下条件密度双重核估计（１）（２）在有限个点处的联合渐近分布，推广了（３）和（４）的结果。     

U-统计量的精致渐近性

设{X_n．n≥1}是一非退化的i．i．d．随机变量序列,U_n是以二维Borel可测对称函数h(x,y)为核函数的U-统计量．记U_n=2/(n(n-1))Σ_≤i≤j≤nh(X_i,X_j)．本文分别在核函数h(x,y)只有4/3阶矩或4/3+δ,0＜δ≤1的情况下,对非常广泛的一类权函数(x)与边界函数b(x)得到了如下关于U-统计量U_n的精致渐近性:不仅使得已有的结果成为我们的特况,还大大降低了其中的矩条件．     

关于秩统计量的渐近充分性

本文表述了渐近充分性的一种定义。说明了渐近充分性原理仍然成立,并且论证了秩统计量的局部渐近充分性。     

广义线性模型中检验回归参数统计量的渐近分布

在广义线性模型中,若(对某个α>0),且其它一些正则条件满足,可以证明Wald检验统计量的渐近分布是X2分布,其中,是ZiZi'的最小特征根,Zi是有界的p×q回归系数,yi是q×1响应变量．     

线性过程样本协方差序列的渐近分布

文献[1]给出强平稳实四阶鞅差序列{ε(n),n=0,±1,±2,…}条件下一类线性过程{x(n),n=1,2,…} x(n)=sum from j=0 to ∞ψ_jε(n-j)的样本协方差的极限分布,本文拓广了[1]的结果,对一般四阶鞅差序列得到与[1]类似的结论。