随机删失场合部分线性模型中的核光滑方法

考虑模型Ｙ＝Ｘβ＋ｇ（Ｔ）＋ｅ。其中ｇ为［０，１］上的未知光滑函数，β为一维待估参数，为不可观察误差．当观察受到随机删失时，本文基于核光滑和综合数据方法导出了β和ｇ的估计βｎ＊和ｇｎ＊证明了βｎ＊的渐近正态性，并获得了ｇｎ＊的非参数收敛速度Ｏ（ｎ－１／３）     

随机删失数据下核密度估计的Berry-Esseen界

本文在随机删失数据下研究了概率密度函数的核估计,获得了此核估计的一个Berry－Esseen界.     

随机删失下概率密度核估计的光滑Bootstrap逼近

本文研究随机删失概率密度估计的光ｂｏｏｔｓｔｒａｐ逼近。给出了光滑ｂｏｏｔｓｔｒａｐ逼近成立的充分条件，并证明了概率密度的光滑ｂｏｏｔｓｔｒａｐ估计方差几乎处处收敛到概率密度核估计的渐近方差。     

左截断右删失数据光滑分位估计的渐近性质

文中提出了随机左截断右删失数据下的一种光滑分位估计,推导出此光滑估计的相合性和渐近正态性,同时获得了该估计的强弱Bahadur表示定理。     

随机删失数据下几种风险率函数估计的渐近性质

文中对于删失数据下几种不同的风险率函数估计进行了研究。使用与以往不同的方法，在较弱的条件下，改进并扩充了现有文献的结果，获得了这几种风险率函数估计的渐近正态性，一致强弱相合收敛速度以及重对数律且进行了数值模拟。     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

随机删失下极大似然估计的局部渐近正态与渐近极小极大有效

研究观察数据被随机右删失时 ,参数分布族的局部渐近正态与渐近极小极大有效 .建立局部渐近正态成立的充分条件 ,给出渐近极小极大风险的下界以及达到该下界的充分必要条件 ,并证明随机删失下参数极大似然估计的渐近极小极大有效.     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

删失数据中删失指标随机缺失下回归函数的非参数估计

本文在删失数据中删失指标随机缺失的情况下,运用非参数方法给出了回归函数的两种估计量,给出了估计量的一致收敛速度以及渐近分布,并进一步通过数值模拟验证了所提方法在有限样本下的性质.     

随机删失下乘积限过程和累积失效率过程振动模的局部渐近性

在随机删失下研究了乘积限过程和累积失效率过程的振动模的局部性质 .给出了这两个过程的振动模的重对数律 ,并应用这些结果得到了几种核密度估计和Bahadur-Kiefer过程的精确收敛速度     

随机删失下位置-刻度模型中的强相合与渐近正态估计

在删失分布未知的情形下,证明了所定义的位置─刻度模型中参数估计的强相合性与渐近正态性．在证明估计的渐近正态性时,使用了点过程鞅方法．     

Asymptotics for the Tail Probability of Random Sums with a Heavy-Tailed Random Number and Extended Negatively Dependent Summands

Let {X,X_k:k≥1} be a sequence of extended negatively dependent random variables with a common distribution F satisfying EX 0.Let r be a nonnegative integer-valued random variable,independent of {X,X_k:k≥1}.In this paper,the authors obtain the necessary and sufficient conditions for the random sums S_r =(?)X_n to have a consistently varying tail when the random number t has a heavier tail than the summands,i.e.,(P(Xx))/(P(r x))→0as x→∞     

随机右删失非参数回归模型的影响分析

将随机删失非参数固定设计回归模型转化为非参数回归模型进行研究;然后对此模型作了局部影响分析,得到计算影响矩阵及最大影响曲率方向的简洁公式;最后通过实例分析,验证了分析方法的有效性.     

Empirical Likelihood Semiparametric Regression Analysis under Random Censorship

This paper considers large sample inference for the regression parameter in a partly linear model for right censored data. We introduce an estimated empirical likelihood for the regression parameter and show that its limiting distribution is a mixture of central chi-squared distributions. A Monte Carlo method is proposed to approximate the limiting distribution. This enables one to make empirical likelihood-based inference for the regression parameter. We also develop an adjusted empirical likelihood method which only appeals to standard chi-square tables. Finite sample performance of the proposed methods is illustrated in a simulation study.     

The Bahadur-Kiefer Representation of the Two Dimensional Spatial Medians

We consider the asymptotic behavior, both in distribution and almost sure, of the Bahadur-Kiefer representation of the two dimensional spatial medians. The rates appearing in this expansion are non-standard. The rate in the almost sure expansion is n(2 log n)-1/2(2 log log n)-1. The set of clusters points in the almost sure representation is obtained. The distribution of the Bahadur-Kiefer representation of the two dimensional spatial medians converges with rate n(2 log n)-1/2 to a limit that is determined precisely.     

随机删失非参数回归模型的离差度量

主要研究了随机删失非参数固定设计回归模型的离差度量.首先利用随机删失非参数回归模型的性质和生存分布的Kaplan-Meier乘积限估计,将原模型转化为非参数回归模型进行研究;然后对模型作了离差度量分析,得到了模型的离差度量序列;最后通过实例分析,验证了上述诊断方法的有效性.     

左截断右删失下乘积限过程的振动模的强极限定理

本文在左截断右删失模型下获得了乘积限过程和累积失效率过程的振动模和Ｌｉｐｓｃｈｉｔｚ－１２模的强一致收敛的精确速度．作为定理的应用，推导了各种核密度估计和失效率估计的强一致收敛的精确速度．     

随机删失下刻度参数的单调经验贝叶斯检验

利用经验贝叶斯方法研究了刻度指数族的两行动问题, 提出了一个在历史样本被随机右删失的条件下收敛速度可以任意接近$O(n^{-1})$的单调经验贝叶斯检验.     

正态过程逼近随机过程研究

讨论正态过程中的一个重要特例维纳过程，对正态过程的特性和它逼近随机过程的机制原理做出一定的分析研究。     

��ɾʧ�����·�λ���ع�Ĺ⻬������Ȼ����

This paper is focused on testing the parameters of the quantile regression models. For complete observation, it is shown in literature that the test statistics, based on empirical likelihood (EL) method and smoothed empirical likelihood (SEL) method, both converge weakly to the standard Chi-square distribution $chi_M^2$ under the null hypothesis. For right censored data, the statistics in literature, by the EL method, have a weighted Chi-square limiting distribution, but the weights are unknown. In this paper, we show that the statistics based on the EL method and the SEL method also converge weakly to $chi_M^2$under the null hypothesis, so there is no need to estimate any weights. As its estimating function is smoothed, the SEL method can be Bartlett corrected. Numerical results show that the SEL method, via Bartlett correction, outperforms some recent methods.