正态总体均值与标准差比在序约束下的广义p值检验

本文利用广义$p$\,-值和U-I检验法研究了多个正态总体均值与标准差比在简单半序和树序约束下的检验问题. 提出了广义检验变量, 得到了多个正态总体均值与标准差比在简单半序和树序约束下检验问题的广义$p$\,-值. 同时运用Monte Carlo方法给出了模拟结果.     

序约束下正态总体均值和方差极大似然估计的数值解法

本文讨论了k个独立正态总体的均值和方差同时在简单半序约束下的极大似然估计的求解问题，给出了计算极大估计的迭代算法，且证明该算法收敛。     

序约束下多元正态均值的检验问题

设有k组均值有简单半序约束,协方差阵未知的p维正态分布．Sasabuchi等在2003年研究了均值是否相等的检验问题．考虑到似然比检验统计量的临界点难以获得,以致于它不容易实施,Sasabuchi提出了一个检验方法．称为Sasabuchi检验．Sasabuchi检验的一个不足之处在于,它并不优于经典的MANOVA检验．作者提出了一个新的检验方法,它比Sasabuchi检验有一致优的势,而且形式更为简单．通过模拟发现这个检验方法还优势于MANOVA．最后导出了这个检验统计量的渐近零分布．     

正态总体均值与标准差比在简单半序约束下的最大似然估计

本文考虑两个正态总体均值和方差是未知参数,均值与标准差的比在简单半序约束下,且样本个数不同时,计算均值和标准差的最大似然估计的问题.给出了计算均值和标准差的最大似然估计的方法.同时还给出了三个总体均值与标准差的比在简单半序约束下求均值和标准差的最大似然估计的计算方法,并给出了迭代算法的模拟结果.     

Bartlett分解与多元正态总体均值的广义推断

对多个正态总体均值的统计推断是一个古老而令人感兴趣的问题.本文利用样本协方差矩阵的Bartlett分解和广义p-值的概念给出一些关于均值的精确检验.模拟显示这些检验比已有的检验有更高的功效.同时,还根据协方差矩阵的Bartlett分解和样本均值向量,得到一个分布和未知参数无关的统计量,用它可以对多个正态总体共同均值做精确检验.模拟显示,这些检验犯第一错误的概率小于显著性水平,而且有更高的检验功效.     

多维正态分布均值在序约束下的假设检验

在序限制下的统计推断是统计分析中的一个重要领域，保序回归理论在这个领域中起着关键性的作用。多维保序回归是一维保序回归的推广，本文给出了k=2,p=2时多维保序回归的求解方法。令Xij,j=1,2…，n是来自总体为二维正态分布N（μi，Λ)的样本，这是μi是未知的，Λ是已知的，i=1,2。令μ=（μ1,μ2)，-={（μ1,μ2)|μ1,μ∈R^2,}-0={(μ1,μ2)|μ1≤μ2,μ1，μ2∈R^2}。μ1≤μ2表示μ2-μ1的每一个分量为非负。本文也讨论了假设检验问题H0:μ∈-0,H1:μ∈-0=---0(H0是零假设）。     

一类非正态总体的抽样检验方案

目前对抽样方案已有较多的研究，且在各个领域有广泛的应用。但是这些研究大多是建立在产品特征服从正态分布的基础上，对其它分布研究较少。本文就产品特征服从韦布分布的情况，建立了一类计量抽样检验方案，并求出其OC函数。本文主要讨论以均值衡量批质量的情形。     

多维正态总体均值θ的一类广义Bayes minimax估计

本文给出了均值为θ,协方差矩阵为∑(∑正定未知)的P(P≥3)维正态总体均值θ在损失L(δ(x),θ)=((x)-θ)’∑~(-1)((x)-θ)之下的一类广义的Bayes minimax估计,推广了Berger[2]的结果。     

关于F统计量检验两个正态总体方差齐性的讨论

本文指出，在显著性水平α给出后，有的概率统计教材对临界值的确定不当，因而有时作出了错误的判断结论；有的教材对Ｆ统计量分子分母的选取没有作明确规定，这样在进行Ｆ检验时，常要多作计算和查表。     

正态总体方差的最短区间估计与最佳双边检验

用传统方法得到的正态总体的方差的置信区间显然不是最短的 ,因而在这个意义上说也不是最佳的 .对从 3到 45的 n及α=0 .2 5 ,0 .2 0 ,0 .1 5 ,0 .1 0 ,0 .0 5 ,0 .0 1 ,0 .0 0 5 ,我们得到了附表一 ,由此可以查出相应的最短置信区间 .同样 ,在对正态总体的方差进行双边检验时 ,传统的方法给出的临界值也不是最佳的 .对如下的 n和 α我们得到了附表二 ,由此可以查出最佳的临界值 .进行计算所需的程序由我们自己编写     

指数族下参数双边检验的p-值

在单参数指数族下,对参数的双侧检验问题给出了一致最优检验或一致最优无偏检验的p-值;在多参数指数族下,对单个参数双侧检验问题给出了一致最优无偏检验的p-值.在正态总体下,给出了几个计算上述p-值的例子.     

同时序约束下保序正态均值的均方损失

For two normal populations with unknown means μ and unknown variances σ2, assume that there are simple order restrictions among the means and variances: μ1 < μ2 and σ12 >σ22 > 0. This case is said to be simultaneous order restriction by Shi (Maximum likelihood estimation of means and variances from normal populations under simultaneous order restrictions, J. Multivariate Anal., 50(1994), 282-293.) and an iterative algorithm of computing the order restricted maximum likelihood estimates of μi and σi2 was given in that paper. This paper shows that the restricted maximum likelihood estimate of μi has smaller mean square loss than the usual estimate xi under some conditions.     

广义p-值与panel数据模型的精确检验

在panel模型中,如果方差分量已知,对回归系数的检验,存在一致最优功效检验.但往往方差分量未知,这时采用的方法就是用它们的估计代替它们.不同的方差分量的估计,就得到不同的检验统计量.这些检验统计量的分布都是未知的,在小样本情况下,很难控制它们的检验水平.本文采用广义p值的方法,给出了一种精确的检验.模拟结果显示,这种检验能很好的控制检验水平,并且有更高的检验功效.同时,本文利用广义置信域的方法给出了回归系数的广义置信球.     

总体方差已知条件下单个正态总体均值假设检验现行方法的缺陷与改进

揭示了总体方差已知条件下单个正态总体均值假设检验现行方法的缺陷,提出了总体方差已知条件下单个正态总体均值假设检验的改进方法,给出了一个该总体方差已知条件下单个正态总体均值假设检验改进方法的应用实例.     

正态总体中线性可预测变量的Minimax预测

在二次损失下研究了任意秩有限总体中线性可预测变量Ay的线性预测在一切预测类中的Minimax性．对于一般随机效应线性模型y=Xβ ε,(ε^β)-N(0^Ba),σ(W′^U V^W)),这里X,B,U,V和W是已知矩阵,a∈R^k和σ^2＞0是未知参数,文中得到了Ay的惟一Minimax预测。     

半正态概率纸的构造与应用

本文对半正态概率纸的应用背景及构造原理作了较为详细的介绍，并给出了一个应用实例。     

基于极大似然的异方差多正态总体均值的参数Bootstrap检验

本文考虑了异方差下多正态总体均值的检验问题。传统检验方法多为近似分布检验,且受总体数目及其样本量的影响较为严重,只有在总体数目较少、样本量适中或较大时才能很好的控制第一类错误。较近提出的参数bootstrap检验有效解决了在总体数目较多时检验的任意性,但在总体样本量都较小时,检验控制第一类错误倾向保守,或总体中存在个别样本量较少时犯第一类错误概率上升。本文从极大似然的角度推导出具有修正权重的极大似然检验统计量,并与bootstrap方法有效的结合,得到新的参数bootstrap检验方法。通过Monte Carlo模拟第一类错误和检验的势与Welch检验和广义F检验进行比较,结果表明本文提出的极大似然参数bootstrap检验在总体数目较多和存在小样本量时,均能很好地控制第一类错误,同时且有较好的势,适用范围更加广泛。     

正态总体的Bayes判别模型与负点法在处理微量超差中的应用

本文应用正态总体的Ｂａｙｅｓ判别模型，解决了微量超差的两类判别问题，并完成了向负点法的转化工作。对如何建立负点法做了探讨，最后结合实际问题进行了计算。     

带有误差变量的偏度和峰度正态性检验

考虑带有误差变量偏度和峰度正态性检验问题 ,提出了新的偏度和峰度正态性检验统计量 ,证明了在零假设时 ,所提出的偏度和峰度检验统计量具有渐近正态的优良性质