竞争风险场合PL型估计的强一致收敛性

本文构造了竞争风险场合分布函数的乘积极限（PL）型估计，运用经验过程的强逼近理论及Toylor展开方法，给出了PL型估计在全直线上的强一致收敛速度及其充分必要条件。     

相依竞争风险场合下生存函数的广义自相合估计

近些年来,生存函数的非参数估计问题受到了很大的关注.首先,Kaplan 和 Meier(1958)提出了乘积限(product limit)估计,并且证明这种估计实际上也是极大似然估计.而后 Breslow 和 Crowley(1974)、F(?)ldes 和 Rejt(?)(1981)在特定的删失机制和某些连续性假定下探讨了 PL 估计(即乘积限估计)的一些基本性质.Langberg,Proschan 及Quinzi(1981)在相依竞争风险场合下进一步推广了 PL 估计,并证明了 PL 估计是强相合的.Tsai(1986)推广了 Efron 定义的自相合性,在一个风险及—个删失变量的场     

二元竞争风险场合二元PL估计的弱收敛性及其Bootstrap结果

本文考虑了在二元竞争风险场合下二元PL估计的问题.文中给出了关于二元PL估计的独立同分布表达式,即将估计的差表为均值为零的独立同分布过程的和,且其余项的阶为O((u^-1logn)^3/4)a.s.,并证明该过程弱收敛到一个二元Gauss过程.关于Bootstrap情况也得到了类似的结果.     

复空间的PL凸性与解析鞅不等式

该文研究了取值于复拟Banach空间的解析鞅不等式与该空间的PL—致凸性的关系，证明了解析鞅的q均方函数的弱（1，1）型，强（p，p）型和凸Φ中函数不等式，并应用它们给出了复空间的q—致PL可凸性的等价条件，同时借助解析鞅q均方函数的增长速度给出了同样的刻划．     

随机截断下PL估计的强表示式

本文在随机左截断情形下,研究了分布函数不连续时,分布函数的乘积限估计（PL估计）Fn(x）的一致强表示式,得到与分布函数连续情形下相同的结果。     

回归系数的stein型主成分估计

对于设计阵Ｘ呈病态的线性回归模型，本文提出了一种新的关于回归系数的有偏估计─ｓｔｅｉｎ型主成分估计，并在均方误差意义下，论证了在一定条件下ｓｔｅｉｎ型主成分估计优于主成分估计，因此也优于ｓｔｅｉｎ型ＯＬＳ估计与ＯＬＳ估计，最后，我们又对偏参数的存在性，最优性进行了讨论，并得出了一些重要结论．     

截断分布族中估计的渐近有效性（II）

本文在一般截断型分布族中给出了参数函数的估计的Ｂａｈａｄｕｒ型渐近有效性的一种定义，验证了常用估计德这种渐近有效性，比较了Ｂａｈａｄｕｒ型与竹内启型渐近有效性之间的关系，系统地给出了具有Ｂａｈａｄｕｒ型但不具竹内启型渐近有效性估计的例子。     

截断分布族中估计的渐近有效性（Ⅱ）

本文在一般截断型分布族中给出了参数函数的估计的Ｂａｈａｄｕｒ型渐近有效性的一种定义，验证了常用估计德这种渐近有效性，比较了Ｂａｈａｄｕｒ型与竹内启型渐近有效性之间的关系，系统地给出了具有Ｂａｈａｄｕｒ型但不具竹内启型渐近有效性估计的例子。     

k阶Stein函数的有界性

通过Poisson积分构造向量核函数，利用向量情形的奇弄积分算子的强型估计与弱型估计理论，建立了k阶Stein函数的强型估计、弱型估计与BMO模估计，完全解决了A阶Stein函数的有界性问题。     

岭型主成分估计的最优性

本文研究岭型主成分估计的回归最优性。证明了岭型降维估计类中，岭型主成分估计具有Φq^0最小、E－最小和D－最小性，且协方差阵的正交不变范数最小，推广了[2]中某些结果。     

Asymptotic Normality of a Combined Regression Estimator

In this paper, we propose a combined regression estimator by using a parametric estimator and a nonparametric estimator of the regression function. The asymptotic distribution of this estimator is obtained for cases where the parametric regression model is correct, incorrect, and approximately correct. These distributional results imply that the combined estimator is superior to the kernel estimator in the sense that it can never do worse than the kernel estimator in terms of convergence rate and it has the same convergence rate as the parametric estimator in the case where the parametric model is correct. Unlike the parametric estimator, the combined estimator is robust to model misspecification. In addition, we also establish the asymptotic distribution of the estimator of the weight given to the parametric estimator in constructing the combined estimator. This can be used to construct consistent tests for the parametric regression model used to form the combined estimator.     

Panel模型中常见估计的比较

本文研究了Panel模型中回归系数常见估计的比较问题,给出了在Pitman准则,协方差阵准则和广义均方误差准则下最小二乘估计,Within估计,Between估计及两步估计之间的优良性比较结果.特别地,本文证明了在Pitman准则下最小二乘估计一致地优于Between估计.     

Statistical Inference for the Parameter of Rayleigh Distribution Based on Progressively Typ e-I Interval Censored Sample

In this paper, the estimation of parameters based on a progressively type-I interval censored sample from a Rayleigh distribution is studied. Different methods of estimation are discussed. They include...     

基于奇异值分解的岭型回归(英文)

本文基于设计阵的奇异值分解(SVD),从LS估计出发,应用岭回归估计方法,构造了回归系数的一个新的有偏估计,称为基于SVD的岭型回归估计,简称RRSVD估计,讨论了其性质和偏参数的选取问题,得到了许多重要结论.计算结果表明,在设计阵呈病态时,RRS善岭回归估计.     

Kernel estimators of the ROC Curve with censored data

Receiver operating characteristic (ROC) curves are often used to study the two sample problem in medical studies. However, most data in medical studies are censored. Usually a natural estimator is based on the Kaplan-Meier estimator. In this paper we propose a smoothed estimator based on kernel techniques for the ROC curve with censored data. The large sample properties of the smoothed estimator are established. Moreover, deficiency is considered in order to compare the proposed smoothed estimator of the ROC curve with the empirical one based on Kaplan-Meier estimator. It is shown that the smoothed estimator outperforms the direct empirical estimator based on the Kaplan-Meier estimator under the criterion of deficiency. A simulation study is also conducted and a real data is analyzed.     

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法, 证明了对于一般的方差分量模型, 只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式, 并且在均方误差意义下优于ANOVA估计. 特别地, 对于单向分类随机效应模型, Kelly和Mathew^[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式, 这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释. 同时, 本文又将此思想应用到对谱分解估计的改进上. 本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型, 当随机效应的协方差阵只有一个非零特征值时, 随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计. 本文最后将第三节的结论推广到广义谱分解估计下, 同时给出广义谱分解估计待定系数的一个合理的取值.     

SOME RESULTS ON ESTIMATION OF THE TAIL INDEX OF A DISTRIBUTION

§１．ＩｎｔｒｏｄｕｃｔｉｏｎＳｕｐｐｏｓｅｔｈａｔＦｉｓａｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｓｕｃｈｔｈａｔ,ｆｏｒａｎｙｘ＞０,ｌｉｍｔ→∞１－Ｆ（ｔｘ）１－Ｆ（ｔ）＝ｘ－１γ,γ＞０．（１．１）ＷｅｃａｌγｔｈｅｔａｉｌｉｎｄｅｘｏｆＦ．...     

平衡数据结构下ANOVA 估计和SD 估计的比较

在线性混合效应模型下, 方差分析(ANOVA) 估计和谱分解(SD) 估计对构造精确检验和广义P-值枢轴量起着非常重要的作用. 尽管这两估计分别基于不同的方法, 但它们共享许多类似的优点, 如无偏性和有精确的表达式等. 本文借助于已得到的协方差阵的谱分解结果, 揭示了平衡数据一般线性混合效应模型下ANOVA 估计与SD 估计的关系, 并分别针对协方差阵两种结构: 套结构和多项分类随机效应结构, 给出了ANOVA 估计与SD 估计等价的充分必要条件.     

回归系数的广义岭型主相关估计及其优良性

In this paper, we propose a new biased estimator of the regression parameters, the generalized ridge and principal correlation estimator. We present its some properties and prove that it is superior to LSE （least squares estimator）, principal correlation estimator, ridge and principal correlation estimator under MSE （mean squares error） and PMC （Pitman closeness） criterion, respectively.     

Nonparametric estimators of the survival function with twice censored data

Patilea and Rolin (Ann Stat 34(2):925–938, 2006) proposed a product-limit estimator of the survival function for twice censored data. In this article, based on a modified self-consistent (MSC) approach, we propose an alternative estimator, the MSC estimator. The asymptotic properties of the MSC estimator are derived. A simulation study is conducted to compare the performance between the two estimators. Simulation results indicate that the MSC estimator outperforms the product-limit estimator and its advantage over the product-limit estimator can be very significant when right censoring is heavy.