极大似然估计的 Bahadur 渐近有效性

<正> 极大似然估计(MLE)的渐近有效性,一直是统计工作者所感兴趣的重要课题.资料中对估计的渐近有效性有多种定义:如最好渐近正态(B,A,N),Cramér 意义渐近有效等.后来 Bahadur 于1960年在文[2]中又提出了另一种渐近有效性概念.它与Cramér 渐近有效性一样,要求严格,研究碰到了一些困难.Bahadur 虽在[2]中给出了单参数为 Bahadur 意义渐近有效(简记为 B-渐近有效)的充分条件,但是不便使用.近年     

电力系统渐近稳定域的估计

电力系统暂态稳定问题在远距离电力输送中意义格外重大。函数方法正是研究电力系统暂态稳定性的有力工具,近年来有不少人用直接方法研究这个问题,其中[1—3]用非线性系统绝对稳定性的Popov定理建立型的函数V(x),借助于这个函数估计围绕故障后系统平衡状态的渐近稳定域,即所谓吸引区域。现有的结果往往是保守的,因为由估计得到的渐近稳定域在实际的渐近稳定域之内。本文给出估计渐近稳定域的一种方法,它比[3]中方法更精确,因而也比[1—2]中的方法更精确。     

常利息力下非标准连续时间更新风险模型破产概率的渐近性态

讨论一个非标准连续时间更新风险模型,其中理赔变量序列为一列两两尾拟渐近独立(TQAI)非负随机变量,在常数利息力假定下,得到了其有限时间破产概率的渐近估计式,并进一步讨论了估计的一致性,推广了[1,2,8]等文献的结果.     

自回归参数估计的渐近均方误差

近年来时间序列分析中的模型识别和参数估计方法(如[1—3]),得到了广泛的应用与发展。关于参数估计的渐近性理论研究,也随之被重视起来。所谓估计的渐近性,是指估计量随着样本长度不断增加时所具有的各种收敛性。很多文章(如[4—7])研究了滑动平均与自回归等模型参数估计的渐近性质。在这些文章中讨论了参数估计的依概率收     

误差为线性时间序列下的回归模型

本文获得线性时间序列加权和的渐近正态性，推广和改进了Tran等人在[1]中得到的结果．还得出了另一种通常采用的g(x)的近邻型估计的渐近正态性．     

论极大似然估计的Cramér渐近有效性

参数的极大似然估计(MLE)的渐近有效性是目前极大似然估计理论中的一个研究项目.但对于参数估计的渐近有效性,从不同角度出发,给出了各种不同的定义.例如,一个估计,如果具有最优渐近正态分布(BAN)性质,则称为渐近有效估计,这是文献中常见的,研究最多的.再如从分布收敛速度出发的Bahadur渐近有效性.而Cramer于     

复样条及偶次(实)多项式样条的渐近展开

自 Ahlberg 等在1967年讨论复三次样条以来,有关复样条的讨论并不多。在[2]中给出了等距节点复样条的误差估计,但至今未见到关于复样条渐近展开的讨论。本文的主要目的是讨论渐近展开,给出复样条的逐项渐近展开。在证明过程中,很自然地导出复样条的误差估计,并改进了[2]中关于误差的估计,此外,我们的方法完全适用于实轴上实多项式样条,从而在本文中也给出实多项式样条的逐项渐近展开,所得的结果不仅大大改进了[4]中的结如,且把周期性的限制也去掉了,方法上也大大简化了。     

方程带两参数的高阶椭圆型方程一般边值问题的奇摄动

本文研究方程带两参数的高阶椭圆型方程一般边值问题解的渐近式的构造.用两参数表示法给出渐近解的表达式和有关的余项估计.拓广了文[1]和[7]的结果.     

φ-混合样本下有限个分位数估计的联合渐近分布

本文研究了φ-混合样本下总体的有限个分位数核估计的渐近性质.利用分块技术证明了φ-混合样本下总体的有限个分位数核估计的联合渐近分布为多元正态分布,推广了文献[16]的相关结果.     

奇异非对称两点边值问题的有限元解的整体高精度

有限元解的渐近展式是外推法的理论基础,同时也可用来研究有限元的超收敛、校正法及后验误差估计等。对于奇异系数问题,文[6]首先对线性情形f(x,u)=c(x)u+g(x),证明了均匀网格上的线性元解具有如下渐近展式:     

有限元的渐近准确误差估计和局部超收敛性

[1—3]曾系统讨论有限元的局部(内部)超收敛理论,指出:一个局部区域只要剖分好而且解光滑,那么有限元逼近在该区域就有超收敛性。Babuska曾讨论某几种有限元的后验估计和渐近误差估计,但这些可算的后验估计量(也叫误差指示子error estima-tor)表达式复杂,计算麻烦,作自适应处理并不方便。实际上,后验估计与局部超收敛性有着天然的联系。本文证明,凡是有超收敛性的地方都可进行渐近准确误差估计,这种可     

连续型多参数指数族参数的经验Bayes估计的收敛速度

<正> §1.引言 关于单参数经验Bayes(EB)估计问题在文献中已讨论比较多了,但多参数的EB估计问题涉及较少.最近陶波在[1]中讨论了正态分布N(μ,σ~2)之参数θ=(μ,σ~2)的EB估计的渐近最优(a.o.)性.关于单参数指数族的EB估计问题,R.S.Singh,P.E.Lin及陈希孺在[2]、[3]和[4]中分别作了研究.本人最近在[5]中讨论了连续型多参数     

数据缺失情形线性回归模型中误差方差的经验似然估计

在随机缺失(MAR)机制下利用经验似然方法构造了线性回归模型中误差方差的估计.并在一定条件下,证明了该估计的渐近正态性,由此得出当误差的分布不对称时,该估计的渐近方差比常用估计的渐近方差小.     

两参数联立EB估计的渐近最优性

一、引言文[1]中研究了一元正态分布均值与方差联立EB估计的渐近最优性,作者在[2]中讨论了正态线性模型回归系数的EB估计问题。本文讨论回归系数与误差方差联立EB估计及有关性质。考虑设计矩阵区为列满秩的线性回归模型     

线性指数分布参数的渐近最优的经验Bayes估计

本文研究了线性指数分布参数的渐近最优的经验Bayes估计问题.利用概率密度函数的核估计,构造了参数的经验Bayes(EB)估计,获得了所提出的EB估计是渐近最优的.     

边界和算子双摄动的高阶椭圆型方程一般边值问题解的渐近式

本文在文[1]和[2]的基础上研究边界和算子双摄动的高阶椭圆型方程一般边值问题的奇摄动,建立含两参数的渐近解表达式,导出求渐近解的迭代过程,给出余项估计,改进和拓广了前文的工作.     

指数分布族中矩估计序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数函数g(θ) 的一个序贯置信区间估计的程序．并讨论了在一定条件下,当d→0,它的渐近相合性、渐近有效性及有界的最优费用差(EN(d)-n(d))等渐近性质．     

再论方程带两个小参数的高阶椭圆型方程一般边值问题的奇摄动

本文用“两变量展开程序”[12]的方法重新研究方程带两个小参数的高阶椭圆型方程一般边值问题解的渐近式的构造,这个问题的边值条件比文[l]更一般.我们给出了渐近解的表达式和有关的余项估计.     

随机删失数据非线性回归模型的最小一乘估计

研究了随机删失数据非线性回归模型的最小一乘(LAD)估计问题, 证明了LAD估计量的渐近性质, 包括相合性、依概率有界性和渐近正态性等. 模拟结果显示对删失数据回归问题, LAD估计仍比最小二乘估计(LSE)稳健.     

某些可微函数类的N宽度

文中借助Jensen不等式,样条函数等工具研究了Orlicz空间中定义域为[-π,π]的非周期函数类W^rL_M^*在L₁内Kolmogorov宽度的渐近精确估计及其渐近最优子空间.并进一步对于该函数类的对偶形式,在L₁空间的对偶空间L_∞空间内讨论了其Kolmogorov宽度,线性宽度的渐近精确估计,特别地,给出Gelfand宽度对偶形式的精确估计.