相协样本下Wilcoxon两样本统计量的渐近分布

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.     

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.     

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．     

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]。     

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.     

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。     

Gumbel分布最大吸引场的次序统计量的精致渐近性

得到一类Gumbel分布最大吸引场的随机容量样本的次序统计量的精致渐近性,揭示了收敛速度、权函数、边界函数及极限状态之间的联系.这类吸引场真包含了全体(γ),γ>0分布族.     

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.     

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。     

一类渐近统计量的显式表示

设(X_i)_(i≥1)是一列正的独立同分布随机变量,服从指数为α(0α1)的Pareto型分布.定义■,且记τ_k:=lim_(n→∞)E(T_n~k).利用组合学方法,渐近矩τ_k用Bell多项式予以显式表示,并且得到了用对数型Bell多项式的简明表示,简化和完善了文献中的现有结果.     

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．     

重截断和的渐近分布

设{X_n,n≥1}是i.i.d.随机变量序列,X_n,1≤…≤X_(n,n)是X_1,…,X_n的次序统计量。又设k_(n,1,) k_(n,2)是满足条件1≤k_(n,1)相似文献   

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．     

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．     

关于学生氏U—统计量的渐近性质

设Ｘ１，Ｘ２，．．．，Ｘｎ（ｎ≥２）为ｉ．ｉ．ｄ随机变量，Ｕｎ为以ｈ（ｘ１，ｘ２）为对称核的Ｕ－统计量，Ｅｈ（Ｘ１，Ｘ２）＝θ，且σｇ＾２＝ＶａｒＥ〔ｈ（Ｘ１，Ｘ２〕－θ│Ｘ１│〉０。设σｇ＊＾＊＾２是σｇ＾２的Ｂｏｏｔｓｔｒａｐ量，施锡铨在关于核ｈ的二阶矩的条件下，证明了：当ｎ→∝时，σｇ＊＾＊＾２→σｇ＾２ａ．ｓ，因此Ｗｎ＝√ｎ（Ｕｎ－θ）／２σｇ＾＊＊依分布收敛于标准正态变量。本文在关于核ｈ     

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.     

利用样本分位数的Logistic分布参数的渐近置信估计

基于Logistic分布的若干个样本分位数 ,利用线性回归模型建立Logistic分布位置参数及尺度参数的渐近正态且渐近无偏估计量 ,得到分布参数的渐近置信估计。     

可换序列变叙项极值的渐近分布

设X_(1,n) …,X_(N,n)是可换r. V. 无穷序列的一段,X_(1,n)~＊≤…≤X_(N,n)~＊为其顺序统计量,N=N(n)是与这些X(1,N)独立的正整值r. V.,n=1,2,….当k_n·n~(-(?))→α(0<α<∞,0<(?)<∞)时,本文得出了X_(N-k_n 1m)~＊的渐近分布。