共查询到20条相似文献,搜索用时 31 毫秒
1.
《数学的实践与认识》2015,(19)
结合基函数逼近技术和分块经验似然方法,对纵向数据下的部分线性模型提出了一个简单有效的检验方法.在一定条件下,证明了所构造的检验统计量渐近服从标准卡方分布,进而得到了一定置信水平的拒绝域.数据模拟表明该检验方法可以有效地消除纵向数据的组内相关性对检验功效的影响. 相似文献
3.
本文研究纵向数据下半参数工具变量模型中回归系数的区间估计问题.首先利用B-样条方法逼近半参数模型中的非参数函数.为了处理内生变量和纵向数据的组内相关性,对模型中回归系数提出了基于工具变量和二次推断函数的有效经验对数似然比统计量,并证明所提出统计量渐近服从标准卡方分布,由此构造回归系数的置信域. 相似文献
4.
本文中, Owen 引入的经验似然方法被用于参数空间带不等式约束的两总体中位数的比较. 迄今为止, 还没有人研究过该问题. 这是因为, 在构造经验似然函数过程中所使用的辅助函数不是光滑函数, 因而不是凸函数, 从而使研究难度大大增加. 然而, 通过引入经验过程的办法, 本文很巧妙地解决了此问题. 根据经验过程, 本文证明了两中位数比较的经验似然比检验统计量的极限分布要么是单一的卡方分布, 要么是两个卡方分布的等权混合分布. 这一理论结果得到了模拟运算结果的有力支持. 相似文献
5.
6.
7.
在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间. 相似文献
8.
9.
10.
张金艳 《纯粹数学与应用数学》2010,26(3):484-489
主要研究了密度函数核估计逼近的速度,用Bootstrap方法对核密度进行估计,在适当的条件下,进一步提高了密度核估计Bootstrap逼近的速度,所得到的结果使得密度核估计Bootstrap逼近的速度与密度函数及其导数之间的关系更加的明确. 相似文献
11.
12.
本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越. 相似文献
13.
《数学的实践与认识》2018,(21)
在PA样本下采用分块方法构造非参数回归函数的经验似然比统计量,并在一定的正则条件下证明了统计量渐近服从卡方分布,由此构造了非参回归函数的经验似然置信区间. 相似文献
14.
多维空间中变量含误差的直线模型 总被引:1,自引:0,他引:1
本文讨论了一种线性函数关系模型──多维空间中变量含误差的直线模型.利用一 些统计逼近定理及矩阵分析的结果,在关于真值及误差较弱的条件下证明了构造的参数估计 具有强相合性并且得到了a,s收敛速度.在较强的条件下,还可得到估计量的渐近分布. 相似文献
15.
16.
本文考虑部分线性模型的有效经验似然统计推断问题.通过结合模态回归和正交投影技术,提出了一种模态经验似然统计推断过程.证明了提出的经验似然比函数渐近服从中心卡方分布,进而构造了模型参数的置信区间.所提出的估计方法可以对模型的参数分量和非参数分量分别估计,而互不影响,具有较好的稳健性和有效性. 相似文献
17.
18.
根据Frobenius-Perron方程,可以对混沌映射的不变分布从理论上加以分析,从而对混沌映射不变分布作出大致的估计.由此可以利用符号计算的方法求解得到迭代函数系统不变分布的密度近似函数,从而逼近理论解.用几个计算实例和常见数值解法作了比较,试验结果表明符号计算方法具有一定的优势. 相似文献
19.
《数学的实践与认识》2016,(24)
对枢轴量G的分布具有单峰密度函数的情形,证明了G的最短置信区间是满足置信区间端点密度函数值"等高"条件的置信区间.还对枢轴量分布为正态分布、t分布、卡方分布、F分布、伽玛分布和对数正态分布情形下,在Excel中进行了搜索式数值计算,并列表比较了"等尾"和"等高"情形下置信区间的长度,验证了上述分析结论.另外,还讨论了枢轴量的最短置信区间与枢轴量中所含参数的最短置信区间的关系. 相似文献
20.
将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势. 相似文献