在区间截断的情况下,两点分布估计及其收敛速度

假设总体$X$服从两点均匀分布, 即$\pr(X=x_1)=\pr(X=x_2)=1/2$, 但是随机变量$X$的取值$x_1$和$x_2$是未知的\bd 在区间截断的情况下, 利用样本获得了$x_1$和$x_2$估计量$\wh{x}_1$和$\wh{x}_2$, 并给出了估计量$\wh{x}_1$和$\wh{x}_2$的收敛速度$o(n^{-1/3+\xs})$.     

利用区间删失数据的分布函数估计及其收敛速度

讨论任意m点均匀分布(m≥3)的情况,用m点均匀分布的累积分布函数去逼近连续总体的分布函数,在适当的条件下,证明了用区间删失数据估计分布函数具有收敛速度D(n)-2/9.     

一维双边截断型分布族中参数函数的经验Bayes估计及其收敛速度

对一维双边截断型分布族构造了参数函数的经验 Ｂａｙｅｓ 估计,在适当的条件下给出了相应的收敛速度,并说明此收敛速度可充分接近 １２ ．     

条件中位数的核估计及其Bootstrap逼近的收敛速度

本文进一步讨论了条件中位数的核估计及其Bootstrap逼近的有关收敛速度.     

回归函数核估计的收敛速度

本文在P≥1的条件下,给出了回归函数m(x)的核估计m_n(x)的若干种p阶平均收敛速度,改进并推广了文献[1]及[2]中的若干结果。     

随机删失下回归函数最近邻估计的强收敛速度

针对随机右删失数据, 就截尾时间变量的分布已知和未知两种情况, 构造了一类非参数回归函数的最近邻估计, 在适当的条件下得到估计量的强收敛速度.     

截断和大数律的收敛速度

本文研究了截断和大数律的收敛速度，证明了截断和（固定）完全收敛性定理以及大数律收敛速度的几个等价条件，从而推广了独立和的结果。     

一类密度估计的收敛速度

Prakasa Rao在文献[1]中提出一类密度估计fn(x)，我们得到当x固定时fn（x）-f(x)的a.s，收敛速度及fn(x)正态逼近的Berry-Easeen界，同时，给出sup|fn(x)-f(x)|的一致收敛速度。     

截断样本下最近邻估计的强一致收敛速度

本文用最近邻方法寻找在截断样本下的密度估计,证明它的强收敛性并寻求其收敛速度。在某些截断情况下,本文找到的密度估计的收敛速度不仅达到了最佳并且改进了[4]中的收敛速度。     

球极投影变换核估计及其逐点收敛速度

本文提出了利用一维核函数构造多维密度函数一个新估计的方法.首先利用球极投影变换将具有密度f(x),x∈Rd的样本变换为具有密度g(y),y∈Ωd+1={yy∈Rd+1,‖y‖=1}的样本.其次,建立f与g的关系.最后,利用球面数据密度核估计构造f的一个新估计fn.在核K及密度f(x)满足一定条件(见§1定理1.1)下,获得了(f∧)n到f的逐点强收敛速度.     

Hazard Rate Estimation in Nonparametric Regression with Censored Data

Consider a regression model in which the responses are subject to random right censoring. In this model, Beran studied the nonparametric estimation of the conditional cumulative hazard function and the corresponding cumulative distribution function. The main idea is to use smoothing in the covariates. Here we study asymptotic properties of the corresponding hazard function estimator obtained by convolution smoothing of Beran's cumulative hazard estimator. We establish asymptotic expressions for the bias and the variance of the estimator, which together with an asymptotic representation lead to a weak convergence result. Also, the uniform strong consistency of the estimator is obtained.     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

关于区间数据的分布函数估计问题

随机变量的区间观察值是指在随机试验中，我们只知道随机变量X是否落入某个可以观察的区间(TL，TR](该区间可以是来自某个已知或未知的二维分布)，但不知道随机变量X的具体观察值．这类问题不同于以往讨论过的左截断，右截断或双侧截断问题．本文将所见到的一些有关分布函数方面的研究成果作了一个简要介绍，同时也给出了作者的最新研究结果．     

删失数据下回归函数的最近邻估计

设（X，Y）是一随机向量且变量Y的均值存在．假定Y被另一分布G的随机变量t删失，仅能观察到不完全数据（xi，Yi^ti,δi），i＝1，2，…n，其中Yi^ti＝min（Yi，Ti）,δi=I（Yi≤ti）。为了给出回归函数m（x）＝E（Y|X）的估计。文中使用了Stute提出的最近邻型回归估计，并给出了该估计的强相合性结果．     

双边删失场合生存函数的非参数Bayes估计的弱收敛性

本文针对双边删失数据讨论了生存函数的非参数Bayes估计问题,运用Fred-holm积分的一些经典结果,文中证明了该估计弱收敛的一个Gaussian过程。     

定数截尾指数分布参数的具有一致最小平均长度的区间估计

设随机变量Ｘ服从指数分布ｆ（ｘ，θ）．研究并给出了指数分布平均寿命参数和平均失效率参数的具有一致最小平均长度的区间估计，计算方法和数值用表．     

Pareto�ֲ�����II������ɾʧ�µIJ�������

??In this paper, we concern with the estimation problem for the Pareto distribution based on progressive Type-II interval censoring with random removals. We discuss the maximum likelihood estimation of the model parameters. Then, we show the consistency and asymptotic normality of maximum likelihood estimators based on progressive Type-II interval censored sample.     

Estimating a Distribution Function for Censored Time Series Data

Consider a long term study, where a series of dependent and possibly censored failure times is observed. Suppose that the failure times have a common marginal distribution function, but they exhibit a mode of time series structure such as α-mixing. The inference on the marginal distribution function is of interest to us. The main results of this article show that, under some regularity conditions, the Kaplan–Meier estimator enjoys uniform consistency with rates, and a stochastic process generated by the Kaplan–Meier estimator converges weakly to a certain Gaussian process with a specified covariance structure. Finally, an estimator of the limiting variance of the Kaplan–Meier estimator is proposed and its consistency is established.