枢轴分布族中的Fiducial推断

研究枢轴分布族下的Fiducial推断, 提出了求参数的Fiducial分布的一般方法, 在这个方法中Fiducial模型起了重要作用. 方法包含了一些其他求Fiducial分布的方法, 特别地, Fisher提出的第1个Fiducial分布可由此方法导出. 对于单调似然比分布族这样的枢轴分布族, Fiducial分布具有一个Neyman-Pearson观点上的频率性质, 对于文中定义的一类正规参数函数, 它的Fiducial分布也具有上述频率性质. Fiducial推断的一些优点在Fiducial分布的4个应用中展示. 给出了许多例子, 其中的一些例子用现有的方法是得不到Fiducial分布的.     

混合比的统计推断

考虑混合模型中混合比的假设检验和区间估计问题, 所给方法来源于广义p值和广义枢轴量. 在某些情形, 所给的检验和区间估计或置信限是精确的. 在其他情形, 在较弱的条件下, 检验是相合的, 且置信限或置信区间的覆盖率的实际水平趋于名义水平. 模拟结果显示所给方法是令人满意的.     

混合模型中失效率函数的性质与混合分布族

在失效数据的Ｃｏｘ混合模型中混合后的失效率函数的性质会与基准失效率函数的性质有很大的不同。一个非常重要的现象是：在一些常用的混合分布下,当基准失效率为上升函数时,混合后的失效率却可能为下降函数。本文在Ｃｏｘ混合模型下讨论混合后的失效率函数的增减性质与基准失效率及混合分布的关系。在此基础上推荐一个参数族－平移共轭稳定分布族,作为混合分布族。此分析族包含一个熟知的分布,用它作混合分布族可以拟合具有不同     

线性混合模型中方差分量的广义推断

本文考虑了线性混合模型中方差分量的假设检验和区间估计问题.基于广义P-值和广义置信区间的概念,构造了对应于随机效应的单个方差分量的精确检验和置信区间.所构造的广义p-值和广义置信区间是最小充分统计量的函数.对于两个独立线性混合模型中对应于随机效应的方差分量的比较,建立了精确检验和置信区间.进-步,研究了所给检验和置信区间的统计性质,给出了这些检验方法与文献中已有方法的功效比较的模拟结果.模拟结果表明,新检验在功效方面有显著的改进.最后,通过-个实例来演示本文方怯.     

逆高斯分布变异系数和尺度参数的统计推断研究

构造了逆高斯分布中变异系数的广义枢轴量,给出了一种参数的区间估计方法,并与MOVOER(method of variance of estimates recovery)和Bootstrap 方法进行比较;给出了多总体下尺度参数两两差的同时置信区间.模拟结果表明:在中、小样本情况下,所给的广义置信区间其覆盖概率接近置信...     

偏正态混合效应模型中方差分量函数的参数Bootstrap推断

偏正态混合效应模型通过引入偏度参数,以便更好地刻画实际数据偏态特征,所以被广泛应用于众多实际领域.进一步,方差分量的假设检验一直是该模型的热点研究问题.因此,有必要在偏正态分布下系统讨论混合效应模型中方差分量函数的统计推断问题.首先,分别基于参数Bootstrap方法和广义方法探讨单个方差分量、方差分量之和、方差分量之比的单边假设检验和区间估计问题.其次,Monte Carlo结果表明,在所给样本量和参数设置下,参数Bootstrap方法大多数情况下优于广义方法.最后,将上述方法应用于空气质量指数的案例研究中,以验证所给方法的合理性与有效性.     

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．     

位置刻度分布族中参数的两步置信区间

寻找一些分布中的参数的具有预先给定宽度和预先给定覆盖概率的置信区间是令人感兴趣的，对于位置刻度分布族中位置参数和刻度参数，这种类型的置信区间的存在性问题已在文献中被解决，本文利用两步抽样，具体地构造出这样的固定宽度置信区间，此外，对于Cauchy分布，第一阶段的最优抽样量和一些统计量的分位点也被计算出，所得到的结果具有应用价值。     

双参数指数分布位置参数的统计推断

通过次序统计量,得到了双参数指数分布Ｅ（μ,λ）中位置参数μ的一致最小方差无偏估计为ｎｎ－１Ｔ（１）－１ｎ－１Ｔ＾－,推导出了（Ｔ＾＿－μ）／Ｔ＾－－Ｔ（１））的分布与参数μ,λ无关,从而得到了μ的置信区间与检验统计量。     

半参数广义线性混合效应模型的估计及其渐近性质

半参数广义线性混合效应模型在心理学、生物育种、医学等领域有广泛的应用. Zhang(1998)用最大惩罚似然函数的方法(MPLE)对模型的参数和非参数部分进行了估计, 而Zhang (1998) MPLE方法只适用于正态数据模型. 对于泊松等常用的模型, 常的方法是将随机效应看作缺失数据, 再引入EM算法. 本文基于McCulloch 1997)提出的MCNR算法, 此算法推广到半参数广义线性混合效应模型中并得到相应的估计算法. 于非参数部分, 本文采用P样条拟合并利用GCV方法选取光滑参数, 时证明了所得估计的相合性和渐近正态性. 最后, 过模拟和实例与其它算法作比较验证本文估计方法的有效性.     

Statistical inference on mixing proportion

In this paper, the interval estimation and hypothesis testing of the mixing proportion in mixture distributions are considered. A statistical inferential method is proposed which is inspired by the generalized p-values and generalized pivotal quantity. In some situations, the true levels of the tests given in the paper are equal to nominal levels, and the true coverage of the interval estimation or confidence bounds is also equal to nominal one. In other situations, under mild conditions, the tests are consistent and the coverage of the interval estimations or the confidence bounds is asymptotically equal to nominal coverage. Meanwhile, some simulations are performed which show that our method is satisfactory.     

Fiducial inference in the pivotal family of distributions

In this paper a family, called the pivotal family, of distributions is considered. A pivotal family is determined by a generalized pivotal model. Analytical results show that a great many parametric families of distributions are pivotal. In a pivotal family of distributions a general method of deriving fiducial distributions of parameters is proposed. In the method a fiducial model plays an important role. A fiducial model is a function of a random variable with a known distribution, called the pivotal random element, when the observation of a statistic is given. The method of this paper includes some other methods of deriving fiducial distributions. Specially the first fiducial distribution given by Fisher can be derived by the method. For the monotone likelihood ratio family of distributions, which is a pivotal family, the fiducial distributions have a frequentist property in the Neyman-Pearson view. Fiducial distributions of regular parametric functions also have the above frequentist property. Some advantages of the fiducial inference are exhibited in four applications of the fiducial distribution. Many examples are given, in which the fiducial distributions cannot be derived by the existing methods.     

STATISTICAL INFERENCE PROCEDURE FOR A BIVARIATE EXPONENTIAL DISTRIBUTION

ＳＴＡＴＩＳＴＩＣＡＬＩＮＦＥＲＥＮＣＥＰＲＯＣＥＤＵＲＥＦＯＲＡＢＩＶＡＲＩＡＴＥＥＸＰＯＮＥＮＴＩＡＬＤＩＳＴＲＩＢＵＴＩＯＮＹＥＣＩＮＡＮ（叶慈南）（ＤｅｐａｒｔｍｅｎｔｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｆｉｃｓ，ＥａｓｔＣｈｉｎａＩｎｓｔｉｔｕ...     

均匀分布位置参数的估计量的渐近分布及应用

对区间长度为定值均匀分布位置参数的点估计量进行了研究,得到位置参数点估计量的渐近分布.讨论了渐近分布的相关性质.给出了位置参数的区间估计及其假设检验方法.     

Joint modelling of location and scale parameters of the skew-normal distribution

Joint location and scale models of the skew-normal distribution provide useful ex- tension for joint mean and variance models of the normal distribution when the data set under consideration involves asymmetric outcomes. This paper focuses on the maximum likelihood estimation of joint location and scale models of the skew-normal distribution. The proposed procedure can simultaneously estimate parameters in the location model and the scale model. Simulation studies and a real example are used to illustrate the proposed methodologies.     

偏t正态数据下混合线性联合位置与尺度模型的参数估计

偏t正态分布是分析尖峰,厚尾数据的重要统计工具之一.研究提出了偏t正态数据下混合线性联合位置与尺度模型,通过EM算法和Newton-Raphson方法研究了该模型参数的极大似然估计.并通过随机模拟试验验证了所提出方法的有效性.最后,结合实际数据验证了该模型和方法具有实用性和可行性.     

���ڹ�����߼��ֲ���Ӧ��——ǿ��ģ��ͳ���ƶ�

??This paper deals with reliability inference results in $R=\pr(Y相似文献   

Statistical inference for a bivariate exponential distribution based on grouped data

Consider the bivarate exponential distribution due to Marshall and Olkin [2], whose survival function is F(x,y)=exp[-λ1x-λ2y-λ12 max(x,y)] (x≥0,y≥0)with unknown pexameters λ1＞0,λ2＞0 andλ12≥0. Based on grouped data, a new estimstor for ,λ1, ,λ2 and ,λ12 is derlved and its asymptotic perties are discussed.Bealdes, some test procedures of equalmarginals and independence are gven. A simulation result is given, too.     

Modified likelihood ratio test for homogeneity in normal mixtures with two samples

This paper investigates the modified likelihood ratio test（LRT） for homogeneity in normal mixtures of two samples with mixing proportions unknown. It is proved that the limit distribution of the modified likelihood ratio test is X^2（1）.     

Modified likelihood ratio test for homogeneity in bivariate normal mixtures with presence of a structural parameter

This paper investigates the asymptotic properties of the modified likelihood ratio statistic for testing homogeneity in bivariate normal mixture models with an unknown structural parameter. It is shown that the modified likelihood ratio statistic has χ22 null limiting distribution.