方差的经验似然比置信区间估计

本文给出了方差的经验似然比置信区间估计。     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

关于区间数据的分布函数估计问题

随机变量的区间观察值是指在随机试验中，我们只知道随机变量X是否落入某个可以观察的区间(TL，TR](该区间可以是来自某个已知或未知的二维分布)，但不知道随机变量X的具体观察值．这类问题不同于以往讨论过的左截断，右截断或双侧截断问题．本文将所见到的一些有关分布函数方面的研究成果作了一个简要介绍，同时也给出了作者的最新研究结果．     

两样本分位数差异的半经验似然比检验

设x1，…，xn；y1，…，ym为独立随机样本，x1，…，xn同分布，x1～F（x），F未知，y1，…；ym同分布，y1～Gθ（y），Gθ（y）的形式已知，θ为未知参数．本文结合非参数似然思想和参数似然方法讨论F和Gθ的分位数差异的检验问题，在一定的条件下得到了半经验似然比统计量的渐近分布．     

两总体分位数差异的经验似然比置信区间

本文构造了两总体分位数差异的一类似然比统计量，在较一般的条件下证明了统计量的极限分布为χ２－分布．     

部分线性模型参数的经验似然比置信域

本文构造了部分线性模型参数的经验似然比置信域,为部分线性模型的研究提供了一种新途径．     

系统平均寿命的BCa区间估计

本文根据部件在（ｎ，ｒ）方案下的试验数据，用统计自助法对串联和并联系统的平均寿命作ＢＣａ区间估计，并进行模拟计算，说明这种方法的可行性，最后还编写了有关的计算机程序。     

删失数据下医药费用的经验似然估计

生存时间数据删失问题是医药费用统计推断的一大难点,本文针对可以获得费用历史信息的情形,提出了在删失数据下医药费用的经验似然估计方法,给出在一定置信水平下感兴趣参数的置信区间.通过模拟,比较了在不同样本量下本文提出的方法与已有方法的表现,结果是我们的方法得到的置信区间更短,估计效果更好.同时,我们也针对一项心脏病实验的实际数据进行了相关分析和比较,得到满意的结果.     

m相依样本下均值的经验似然比置信区间

在强平稳m相依样本下讨论了均值的经验似然置信区间估计,推广了Owen[1—2]在独立同分布情况下的结果.指出其不足并进行了合理的改进,并提出了分组经验似然的概念.     

中心矩估计法研究

重点研究了利用样本中心矩估计总体中心矩的理论依据,同时给出了应用实例.     

可加模型中参数的经验欧氏似然估计

可加模型是参数设计中一个非常重要,实用的模型。本文讨论了可加模型中参数的经验欧氏似然估计及其性质,并给出了一种与参数的经验欧氏似然估计渐近等效的加权LS估计,最后分析了一个数值例子。     

Logistic回归模型的经验似然诊断

经验似然方法已经被广泛用于许多模型的统计推断.基于经验似然对Logistic回归模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过实例分析,说明了统计诊断方法的有效性.     

非线性回归模型的经验似然诊断

经验似然方法已经被广泛用于线性模型和广义线性模型.本文基于经验似然方法对非线性回归模型进行统计诊断.首先得到模型参数的极大经验似然估计;其次基于经验似然研究了三种不同的影响曲率度量;最后通过一个实际例子,说明了诊断方法的有效性.     

基于经验似然的部分线性模型的统计诊断

经验似然方法己经被广泛应用于许多模型的统计推断.本文基于经验似然对部分线性模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过随机模拟和实例分析,说明了统计诊断方法的有效性.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.     

半参数模型的经验欧氏似然估计的大样本性质

本文证明了半参数模型的经验欧氏似然估计的强相合性和渐近正态性,还证明了经验欧氏似然比统计量的渐近x~2分布性,最后给出了几个例子。     

线性模型误差方差的经验似然估计

本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.     

极大似然估计与似然比检验的几点注记

本文探讨了极大似然估计与log极大似然比检验的大样本性质，特别是非正则条件下的一些例子及处理办法。     

纵向数据下广义估计方程估计

广义估计方程方法是一种最一般的参数估计方法,广泛地应用于生物统计、经济计量、医疗保险等领域.在纵向数据下,由于组间数据是相关的,为了提高估计的效率,广义估计方程方法一般需要考虑个体组内相关性.因此,大多数文献对个体组内的协方差矩阵进行参数假设,但假设的合理性及协方差矩阵估计的好坏对参数估计效率产生很大影响,同时参数假设也可能导致模型误判.针对纵向数据下广义估计方程,本文提出了改进的GMM方法和经验似然方法,并对给出的估计量建立了大样本性质.其中分块的思想,避免了对个体组内相关性结构进行假设,从这种意义上说,这种方法具有一定的稳健性.我们还通过两个模拟的例子,考察了文中提出估计量的有限样本性质.     

有偏模型中一类统计泛函的经验似然估计及其渐近性质

Ｘ１，…，Ｘｍ；Ｙ１，…，Ｙｎ为独立随机样本，Ｘ，Ｘ１，…，Ｘｍ同分布，Ｘ－Ｆ，Ｆ（０）＝０，Ｙ，Ｙ１，…，Ｙｎｍ同分布，Ｙ的分布函数为Ｇ（ｙ）＝１／μ∫ｙω（ｔ，β）ｄＦ（ｔ），ｙ≥０，其中，β∈Ｒ，μ＝∫０＾∞ω（ｔ，β）ｄＦ（ｔ），０〈μ，ω（ｔ，β）〈∞，Ｆ，μ和β均未知，ω（ｔ，β）的形式已知，设θ为一待估参数，且存在一已知函数ψ（Ｘ，θ）满足ＥＦψ（Ｘ，θ）＝０，本文利用经验似然法给出