强混合样本且含附加信息情形M估计和分位数估计的渐近性质（英文）

在强混合样本且含附加信息情形,本文采用经验似然方法提出了一类新的M估计和新的分位数估计.结果表明,本文提出的M估计和分位数估计具有相合性和渐近正态性,且其渐近方差比一般M估计和分位数估计的渐近方差小.     

φ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计，并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差。     

ψ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

-混合样本下含附加信息时条件分位数估计的渐近性质(英文)

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

含附加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附加信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差．     

含际加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附另信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差。     

随机缺失数据下样本分位数估计

分位数的估计在生物医学、社会经济调查等领域有着广泛的应用,然而在实际问题的研究中,往往由于各种人为或不可控因素造成数据收集不完全.本文在随机缺失(MAR)假设条件下,利用非参数核补法和局部多重插补法给出了响应变量缺失时样本分位数的估计,并利用经验过程等理论证明了由这两种方法得到的分位数估计的大样本性质,同时,使用重抽样方法给出了估计的渐近方差的估计,模拟结果验证了这两种方法的有效性.文章所提两种方法的优点在于:首先,所提出的缺失修正方法不需要对缺失概率的模型做任何假设;其次,方法亦适用于其他有关参数不可微的估计目标函数;最后,方法很容易地推广到一般M估计的情况,并可以对多个分位数同时进行估计.     

相依样本条件t分位数的核估计及其强一致收敛性

本文放宽了随机向量的独立性的要求,在假设随机向量为φ－混合的条件下,讨论了条件ｔ分位数的核估计及其强一致收敛性     

利用样本分位数的Logistic总体分布参数的近似最佳线性无偏估计

Harter H_L.,Balakrishnan N.等先后讨论了Logistic总体分布参数的极大似然估计,近似极大似然估计;其后Ogawa J.,Lloyd E.H.,Kulldorff G.,Gupta S.S,及chan L.K. 等又先后讨论了Logistlic分布参数的最佳线性无偏估计及估计的相对效率等问题.令人遗憾的是:在大样本情形下,上述估计均难以求得.为缓解这一困难,本文讨论利用样本分位数的Logistic总体的近似最佳线性无偏估计,给出估计量的大样本性质,以及样本分位数不超过10情形下,估计量有渐近最大相对估计效率时样本分位数的选取方案等.     

φ-混合样本下有限个分位数估计的联合渐近分布

本文研究了φ-混合样本下总体的有限个分位数核估计的渐近性质.利用分块技术证明了φ-混合样本下总体的有限个分位数核估计的联合渐近分布为多元正态分布,推广了文献[16]的相关结果.     

含测量误差的复合分位数回归的SIMEX估计

考虑含测量误差的线性回归模型,采用模拟外推(SIMEX)方法并结合复合分位数回归构造了回归系数的估计.所得回归系数估计不仅消除了测量误差对估计造成的偏差,而且保留了复合分位数回归估计的优点.在一些正则条件下,证明了估计的渐近性质.模拟研究了所提出方法的有限样本性质,并进行了实例分析.     

强混合样本回归函数估计的强相合性

本文基于强混合样本，给出回归函数核估计的强相合性，全面地改进了胡舒合（１９９５）所得的相应的初步结果。     

右删失左截断情形下分布函数的分位数估计

文中考虑了右删失左截断数据情形下分布函数的分位数估计，讨论了该估计的渐近性质并获得了它的强弱Ｂａｈａｄｕｒ类型的表示定理。利用此Ｂａｈａｄｕｒ表示定理很容易获得该分位数估计的渐近正态性及置信区间等结果。     

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。     

NA样本下含附加信息时M-泛函的经验似然推断

本文研究NA样本下不含附加信息和含附加信息时M-泛函的经验似然推断,将分块技术应用到经验似然方法中,证明M-泛函的对数经验似然比统计量的渐近分布为卡方分布,由此构造NA样本下不含附加信息和含附加信息时M-泛函的经验似然置信区间.同时,对一类M-泛函的检验问题,证明含附加信息比不含附加信息时有更高的功效,并给出数值模拟结果.     

线性模型中回归分位数估计的强相合性

考虑线性系统模型 y=x＇β_0 x＇r_0e, (1)其中x为P维已知向量,β_0是未知的P维回归系数,e是1维不可观察的误差随机变量。 y在x下的条件u分位数可以写成:     

基于外推中间次序分位数的极端条件分位数估计

近年来,条件分位数估计被广泛应用于金融、生物和医学等众多领域.在研究协变量对响应变量在不同分位数水平的影响时,分位数回归方法是一种贴切且有效的估计方法.然而,由于尾部数据的稀疏性,用分位数回归来估计极端条件分位数通常会产生较大的估计误差.文章将极值理论与分位数回归结合起来,利用中间条件分位数外推法,研究线性分位数回归模...     

基于样本次序统计量的总体分位数的非参数统计推断

随机总体分位数的统计推断理论与方法一直是统计学研究的重要课题.其主要原因是分位数的应用涉及众多领域,且在各领域的研究中起到举足轻重的作用.本文系统地论述了基于样本次序统计量的总体分位数的非参数统计推断的理论和方法;给出了基于样本次序统计量的总体分位数的估计方法,总体两个分位数之差的置信区间,总体容许区间的求解方法及符号检验.希望有助于读者的科研与应用.     

附加信息下的p分位数光滑经验似然置信区间

Chen和Hall在1993年使用光滑的经验似然方法建立了p分位数置信区间.本文在有部分附加信息的情况下使用了光滑的经验似然方法建立了p分位数的置信区间,从渐近功效函数方面对置信区间做了比较,后者优于前者.并且置信概率误差的阶为n-1,证明了本文所建立的置信区间是可以Bartlett修正的.     

核分位数估计及其应用

分位数估计在不同领域有大量的运用,例如水利研究中百年一遇的洪水、金融分析中的VaR.不过在实际应用中大多使用的是基于正态假设下的分位数估计,使得该方法在应用时存在模型设定错误的风险.为此介绍了稳健统计中非参数分位数估计方法,并介绍了核密度估计的步骤;然后以此为基础给出了核分位数估计,同时还通过重复抽样的方法比较了三种分位数估计效果和积累了使用经验;最后给出了一个金融数据的实例,并对核分位数估计结果和常用的正态假设下的分位数结果进行了比较,结果显示核分位数估计结果更加稳健.文中最后给出使用该方法的一些建议.