δ修正Cramr-von Mises检验的非无偏性(英文)

在简单假设下,证明了对任意给定水平α∈(0,1)和样本容量n,δ修正Cramr-von Mises检验的非无偏性.     

Cramer-von Mises检验的非无偏性

证明了对任意的样本量n和检验水平α∈ ( 0 ,1 ) ,Cramer_vonMises检验都不是无偏的 .     

基于投影的两样本分布相等的非参数检验

本文通过利用投影推广经典的Cramér-von Mises度量,研究能够适应于高维数据的两样本分布相等的非参数检验.本文所提出的新度量是非负的,且新度量等于零当且仅当两总体具有相同分布,这确保相应的检验能够探测任意的备择假设.本文所推荐的检验统计量具有精确的代数表示,不依赖于任何冗余参数.由于新度量的定义不需要任何的矩条件,本文所提出的检验方法能够对数据中强影响值和异常值稳健.在传统的“大样本、固定维数”和新型的“固定样本、高维数”框架下,研究了新检验统计量的渐近性质.在传统的“大样本、固定维数”框架下,证明所推荐的检验功效不依赖于两样本量的比值的大小,这确保新检验可以适用于非平衡样本的数据.在新型的“固定样本、高维数”框架下,证明所推荐的检验功效主要由两总体的位置和尺度差异决定.在这一框架下,本文进一步修正所推荐的检验统计量使其在探测两总体的位置和尺度差异时具有更高的功效.数值研究表明本文所提出的检验是有效和切实可行的.     

PP Cramèr-von Mises统计量P值的近似计算

本文给出了PPCramer－vonMises统计量极限分布的一种近似计算方法，用一个г分布作为极限分布的近似．当总体分别服从圆周上均匀分布及二元正态分布时，通过模拟计算相应的P值，发现该近似计算办法合理可行．     

A Cramér-von Mises Test of Some Spherically Symmetric Distribution for High Dimension and Large Sample Size

51.Intr0ductionLet{X,}and{Y,}betwolndependentsequencesofi-i-d.p-dimensionalrandomvectorswithdistributionF(x).FortestingpopulationdistributionF(x)definethespecialCramer-vonMisesstatisticandfortestinghypothesisthattwosamp1escomefromthesamepopulationdistributi0nF(x),definethestatisticF'(x)isthedistributionFondirectiona(llall=1),p(a)istheunif0rmdistributionontheunitsphereSp-1'Hube,[1j(1973)isthefirstpersonwhoc0nsiderlimitpropertiesofsomestatisticsinlinearmodellnthecase0fthatthenumberofunkn0wnp…     

投影寻踪型Cramér-von Mises-Smirrnov统计量(英文)

为了检验一个总体分布是否服从所给定的分布Ｆ（ｘ），Ｃｒａｍéｒ－ｖｏｎＭｉｓｅｓ－Ｓｍｉｒｎｏｖ统计量是一种常用的重要工具．对于一维分布，计算表明确切分布很快趋于极限分布．当样本量大于３时，确切分布与极限分布之差就很小，当总体分布是连续分布时该统计量的极限分布与总体分布无关．本文讨论总体分布为高维分布时用投影寻踪的方法建立Ｃｒａｍéｒ－ｖｏｎＭｉｓｅｓ－Ｓｍｉｒｎｏｖ统计量，对此统计量尾部概率上界及极限分布，包括当样本很大，维数很高时的极限性质，自助法是否能逼近极限分布，用Γ分布或者Γ分布混合逼近确切分布是否能行等问题作了探讨，并提出了一些未解决的问题．     

复合零假设下的修正Berk-Jones检验

首先给出带估计参数的上界型和积分型两种修正Berk-Jones拟合优度检验统计量,接着在复合零假设下研究了这两种检验统计量的渐近分布.所得结论可以为进一步讨论非参数似然比拟合优度检验提供较好的理论基础.     

一个半参数回归模型中Cramér渐近有效性的充要条件(英语)

本文考虑模型Y_i=X~Tβ g(T) ε,这里(X~T,T,Y,)是k 2-维随机向量,g是未知光滑函数,ε是均值为零方差有限的随机误差。本文证明了,的最小二乘估计是Cramer渐近有效的充要条件是误差6服从正态分布N(0,口’)。     

带税率的Cramér-Lundberg风险模型的总征税次数的分布函数(英文)

本文研究了带税率的Cramér-Lundberg风险模型.利用迭代算法及该过程具有的的强马氏性,得出了保险公司从开始营运到破产期间总赋税次数的概率函数.作为例子,本文给出了指数分布索赔假定下该概率函数的具体表达式.     

关于拟合优度检验的EDF统计量的若干评注

拟合优度检验是建立统计模型的一个重要手段，很多检验统计量用一个理想样本能达到它们自己的极值，但ＥＤＦ统计量做不到，这无疑会影响检验的势，在本文中，我们将提出某些调整型ＥＤＦ统计量，它们具有这些性质，并改进了ＥＤＦ检验，蒙得卡罗模拟表明，调整型ＥＤＦ统计量在很多场合要必ＥＤＦ具有更高的优势，特别对重尾的备选分布更是这样，我们还考察了检验的形态与它们的极值点之间的关系。     

NBU分布类的拟合优度检验

一个寿命分布F称为属于新的比旧的好的分布类(NBU),若: R(x y)≤R(x)R(y) x,y≥0这里R(x)=1-F(x)。若R(x y)≥R(x)R(y),称作旧的比新的好(NWU)。本文讨论可靠性中应用非常广泛的NBU分布类的检验问题,即下列检验问题:原假设H_0:F是NBU的。备选假设H_A:F不是NBU。给出了检验函数。并证明了备选假设是H_A:F是NWU时,检验是无偏的。     

参数未知的PPNeyman拟合优度检验及其Bootstran逼近

设ｑ维总体Ｘ的分布函数为Ｇ（ｘ），对于零假设Ｈ０：Ｇ（ｘ）＝Ｆ（ｘ），在Ｆ（ｘ）完全已知时，文献［２］给出了其ＰＰＮｙｍａｎ型拟合优度检验。本文对Ｆ（ｘ）为含有未知参数的椭球分布情形，给出了其ＰＰＮｅｙｍａｎ到检验统计量，获得了检验统计量的极限分布，并给出了用Ｂｏｏｔ－ｓｔｒａｐ技巧确定其否定域临界值的方法．     

非遍历α-Brown桥过程的偏差不等式与Cramér型中偏差

考虑如下非遍历α-Brown桥过程:■, X0=0, t∈[0, T),其中, 0 <α <1/2, T∈(0,∞)固定, W={Wt:t0}是标准的Brown运动.本文利用渐近分析的技巧以及多重Wiener-It?积分的偏差性质,研究二次泛函■和■的偏差不等式和Cramér型中偏差.作为应用,本文得到对数似然率过程和参数α极大似然估计量的(自正则化)Cramér型中偏差.     

浅谈分布数据的x2拟合优度检验

本文给出X为离散分布或连续分布时不同情况下数据的x2拟合优度检验.     

二阶扩散过程的非参数经验似然拟合优度检验（英文）

本文考虑二阶扩散过程的非参数拟合优度检验问题.首先构造一个非参数检验来检验二阶扩散过程的漂移函数是否是含有未知参数的参数形式;其次,利用经验似然方法构造二阶扩散模型的拟合优度检验的检验统计量;最后,建立检验统计量的渐近分布,并通过例子验证所提出的检验方法的有效性.     

经验过程一致偏差概率的指数界及其应用（Ⅰ）

研究文中问题的诱因是考虑PP型Kolmogorov-Smirnov拟合优度检验问题(简称K-S     

一类上界型拟合优度检验统计量的精确分布

对于简单假设的拟合优度检验,Zhang (2002)构造出一类上界型检验.取不同的参数$\lambda$和不同的权函数$q(t)$,这类检验包含了Kolmogorov-Smirov检验, Berk and Jones(1979)检验等已有的上界型检验.文献中仅对极少数$\lambda$和$q(t)$所对应的检验给出了零假设下的精确分布.然而, 针对不同的问题, ``好'的检验是不同的,因此有必要对任意给定的$\lambda$和$q(t)$情况, 讨论该类检验.本文对任意给定的$\lambda$和$q(t)\equiv 1$情况,导出了相应上界型检验统计量在零假设下的精确分布. 当样本容量$n$较大时,精确分布的计算时间较长, 本文还通过模拟比较得到了在不同样本量下,应采用的计算方法. 最后, 给出一个实际例子对前述方法加以简单说明.     

变系数部分线性模型的拟合优度检验

本文考虑变系数部分线性模型的拟合优度检验问题.基于Profile经验似然方法,构造了参数部分和非参数部分的经验似然比检验统计量.并证明了其满足Wilks'现象,进而得到了一定置信水平的拒绝域.最后通过数据模拟,讨论了其检验功效.     

关于拟合优度检验的EDF统计量的若干评注(英语)

拟合优度检验是建立统计模型的一个重要手段,很多检验统计量用一个理想样本能达到它们自己的极值,但EDF统计量做不到,这无疑会影响检验的势。在本文中,我们将提出某些调整型EDF统计量,它们具有这些性质,并改进了EDF检验,蒙得卡罗模拟表明,调整型EDF统计量在很多场合要必EDF具有更高的势,特别对重尾的备选分布更是这样,我们还考察了检验的形态与它们的极值点之间的关系。     

上界型拟合优度检验

对简单零假设情况,构造出一类上界型拟合优度检验.取不同的参数λ和不同的权函数,这类检验不仅包含许多已存在的检验,如Kolmogorov-Smirov检验,Berk-Jones检验等,而且还给出一些新的检验.众所周知,对不同的问题,"最优"的检验是不同的,有必要对这类检验的性质进行讨论.该文对任意给定的λ和较一般的权函数q(·),在较弱的条件下,导出了相应上界型检验统计量在零假设下的渐近分布,研究了它们的局部渐近功效;在若干固定备择假设下,对该类检验的功效进行了模拟研究.模拟结果表明,在不同的备择假设下,功效较优的检验是不同的,不存在对所有情况一致最优的检验.