二元乘积限估计的Edgeworth展开

设S(s,t)是二元生存函数 ,^S_n(s,t)是它的二元乘积限估计.将log^S_n(s,t) -logS(s,t)表示成U 统计量加上所需性质的余项 ,然后利用该表示及U 统计量的Berry Essen定理得到二元乘积限估计的Berry Essen不等式.     

L-统计量的Edgeworth展开和Bootstrap逼近

文「１」讨论了Ｌ－统计量的一种能达到０（１／√ｎ）精确性的Ｂｏｏｔｓｔｒａｐ逼近,本文则在适当条件下,证明了上述Ｂｏｏｔｓｔｒａｐ逼近能达到精确性０（１／√ｎ）,并给出了Ｌ－统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开的估计。     

部分线性模型中的Edgeworth展开

本文在相当一般的条件下，首先给出了部分线性模型中有关参数β的标准化统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开，然后构造了误差方差的一个非残差型相合估计，最后给出了相应的学生化统计量的Ｅｄｇｅｗｏｒｔｈ展开．     

学生化U—统计量的Edgeworth展开和Bootstrap逼近

本文研究学生化Ｕ－统计量的Ｅｄｇｅｗｏｒｔｈ展开和Ｂｏｏｔｓｔｒａｐ逼近，在核函数ｈ较弱的矩条件下，给出了学生化Ｕ－统计量的一项Ｅｄｇｅｗｏｒｔｈ展开式和Ｂｏｏｔｓｔｒａｐ逼近。     

L-统计量的Edgeworth展开和随机加权逼近

文［１］讨论了Ｌ－统计量的一种能达到Ｏ１√ｎ精确度的随机加权逼近,本文则给出了Ｌ－统计量的Ｅｄｇｅｗｏｒｔｈ展开和一种能达到ｏ１√ｎ精确性的新的随机加权逼近     

L一统计量的Edgeworth展开和Bootstrap副近

文［１］讨论了Ｌ一统计量的一种能达到Ｏ（１／ｎ）精确性的Ｂｏｏｔｓｔｒａｐ副近,本文则在适当条件下,证明了上述Ｂｏｏｔｓｔｒａｐａ副近能达到精确性ｏ（１／ｎ）,并给出了Ｌ一统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开的估计．     

Von-Mises统计量的Edgeworth展开和随机加权逼近

文［１］讨论了Ｖｏｎ－Ｍｉｓｅｓ统计量的一种能达到Ｏ１ｎ的精确性的随机加权逼近，本文则给出了这种统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开和一种能达到ｏ１ｎ的精确性的新的随机加权逼近．     

学生化U－统计量的Edgeworth展开和Bootstrap逼近

本文研究学生化Ｕ－统计量的Ｅｄｇｅｗｏｒｔｈ展开和ＢｏｏｔｓｔｒａＰ逼近，在核函数ｈ较弱的矩条件下，给出了学生化Ｕ－统计量的一项Ｅｄｇｅｗｏｒｔｈ展开式和Ｂｏｏｔｓｔｒａｐ逼近．     

截断情况下独立随机变量样本均值和方差的近似分布

设X1，X2……Xn为非负随机变量，相互独立具有共同的分布函数F(t)，Y1，Y2……Yn是相应的干扰随机变量，非负，相互独立具有共同的分布G(t)，并且Xi与Yi也相互独立，文章在仅能观察到Zi=min(Xi，Yi)．δi=I(Xi≤Yi)，i=1，2……，n和假设G已知的情况下．分别定义了F的均值和方差的估计量，并求出了估计量的近似分布．     

有Edgeworth展式的分布的随机加权逼近的重对数律

本文研究了未知分布的逼近问题，利用随机加权法，给出了有Edgeworth展式的一类（未知）分布的模拟分布，证明了在一定条件下，模拟分布与未知分布的逼近精度达到O(n^-1√lnlnn），称之为随机加权逼近的重对数律。     

Sheffer多项式的渐近展开

本文利用组合分析中的循环指示表示方法,找到了Ｓｈｅｆｆｅｒ型多项式的渐近展开公式及余项估计,文末讨论了所得渐近公式的运用范围,     

ARCH(0,1)系数中位无偏估计分布的渐近展开

This paper is concerned with the distributional properties of a median unbiased estimator of ARCH（0,1） coefficient. The exact distribution of the estimator can be easily derived, however its practical calculations are too heavy to implement, even though the middle range of sample sizes. Since the estimator is shown to have asymptotic normality, asymptotic expansions for the distribution and the percentiles of the estimator are derived as the refinements. Accuracies of expansion formulas are evaluated numerically, and the results of which show that we can effectively use the expansion as a fine approximation of the distribution with rapid calculations. Derived expansion are applied to testing hypothesis of stationarity, and an implementation for a real data set is illustrated.     

General Regular Variation of the n-th Order and 2nd Order Edgeworth Expansions of the Extreme Value Distribution （Ⅱ）

In this part II the fundamental inequality of the third order general regular variation is proved and the second order Edgeworth expansion of the distribution of the extreme values is discussed.     

L-统计量的Edgeworth展开和随机加权逼近

文[1]讨论了L-统计量的一种能达到O(1√n)精确度的随机加权逼近,本文则给出了L-统计量的Edgeworth展开和一种能选到O(1√n)精确性的新的随机加权逼近．     

Von-Mises统计量的Edgeworth展开和随机加权逼近

[1]讨论了Von-Mises统计量的一种能达到O（1/n的平方根）的精确性的随机加权逼近，本则给出了这种统计量的一阶Edgeworrh展开和一种能达到o（1/n的平方根）的精确性的新的随机加权逼近。     

非线性奇摄动边值问题的渐近展开

本文用上下解方法给出了含小参数ε＞０的非线性奇摄动边界问题（１．１）－（１．２）（周期边界问题为其特例）解的一致有效的渐近展开式．     

一类非线性Neumann问题的渐近展开算法

Lions引入的变分形式中的渐近展开方法,用于线性问题是很有效的,但用于非线性问题,就会迂到很多麻烦,有时问题存在唯一,但找到解的渐近展开非常困难(见注记3.1).设Ω=Ω_0+?_1,在Ω_1上是线性算子,在Ω_0上是非线性算子,对有些问题可给出解的渐近展开算法.但在Ω_0和Ω_1上,同时是非线性算子时,直到现在仍是未解决的问题.设Ω=Ω_e+?_1(如图1)?=R~n,引入记号     

一类二阶非线性奇摄动边值问题解的渐近展开

本文研究一类非线性微分方程的非线性边值问题的奇摄动,应用边界层校正法构造出解的形式渐近展开式,并借助于上,下解及微分不等式理论研究解及其一阶导数的有关余项估计。     

General Regular Variation of n-th Order and the 2nd Order Edgeworth Expansion of the Extreme Value Distribution （Ⅰ）

In Part Ⅰ the concept of the general regular variation of n-th order is proposed and its construction is discussed. The uniqueness of the standard expression and the higher order regularity of the auxiliary functions are proved.