聚合风险模型下Esscher风险度量的估计及其大样本性质

Esscher度量是一种重要的风险度量,在金融风险管理、保险精算中有广泛的应用,然而大部分关于Esscher风险度量的文献均在个体风险模型下考虑的.本文建立了聚合风险模型下Esscher度量的估计模型,得到了相应的非参数估计,并证明了估计的强相合性和渐近正态性,最后,通过数值模拟的方法验证了估计的大样本性质.     

一类Kaplan-Meier估计泛函的一些大样本性质

设F,G分别表示某寿命随机变量与删失随机变量的分布函数,在不假定F、G连续的情况下该文使用点过程鞅方法证明了Kaplan－Meier估计的一类泛函的渐近正态性,并建立了一个均方误差不等式和一个概率不等式．     

对数正态分布场合的BAYES分析和大样本的后验分布

本文绘出了对数正态分布场合中的两参数μ，σ2均未知时的Bayes分析，并给出相应的例子．讨论了大样本的后验分布，推广了[2]中的结果．     

缺失数据下线性模型回归系数估计的大样本性质

在响应变量满足MAR缺失机制下，我们分别研究了基于观察到的完全样本数据对、基于固定补足后的“完全洋本”和基于分数线性回归填补后的“完全洋本”得到的回归系数的最小二乘估计的弱相合性、强相合性及渐近正态性，我们还通过数值模拟，比较了基于上述估计得到的β的置信区间的优劣。     

非平稳NA序列中心极限定理的一些结果

本文讨论了非平稳同分布ＮＡ序列的渐近正态问题，给出了两个中心极限定理，以往的文献在讨论ＮＡ序列的这些问题时，多加有强平稳的限制；但是大量问题所出现的ＮＡ序列却多为非平稳的，因此有开展研究的必要。本文在寻求摆脱平稳性限制的途径方面作了有益的尝试，所得的定理不仅可解决一大类非平稳ＮＡ序列的渐近正态问题，而且将以往的强平稳场合的结果包含为特例，具有一定的理论意义与应用价值。     

门限自回归模型的非参数估计

对一维一阶一个门限的ＴＡＲ模型，通过模型所构成的Ｍａｒｋｏｖ链的遍历性，得到了其核密度估计的渐近无偏性，均方相容性和渐近正态性     

负相协平均剩余寿命函数和有效函数的一类非参数估计

本文在 NA 样本下,讨论了平均剩余寿命函数和有效函数的非参数递归型估计的相合性和渐近正态性．     

负相协平均剩余寿命函数和有效函数的一类非参数估计

本文在NA样本下,讨论了平均剩余寿命函数和有效函数的非参数递归型估计的相合性和渐近正态性.     

有重复观测的部分线性EV模型的参数估计

构造了有重复观测的部分线性EV模型中的诸多参数估计, 包括回归系数、回归误差方差以及非参数函数估计, 去除了有关经典文献中关于测量误差方差已知的假设. 在一些正则条件下, 证明了所有这些估计都是强相合的, 同时获得了回归系数估计的渐近正态性、非参数函数估计的最优收敛速度. 模拟计算表明这些估计的效果优良.     

纵向数据下混合效应EV模型中参数估计的渐近性质

考虑纵向数据下混合效应EV模型。对带有惩罚项的Profile广义最小二乘方法进行了修正。利用矩估计法和ML-based EM算法给出了固定效应,随机效应以及协方差阵的估计。在一般的条件下,给出了固定效应估计的强相合性和渐近正态性,并对所提出的各种估计进行了模拟研究。模拟效果不错。     

Large Sample Properties of Mixture Models with Covariates for Competing Risks

We study the large-sample properties of a class of parametric mixture models with covariates for competing risks. The models allow general distributions for the survival times and incorporate the idea of long-term survivors. Asymptotic results are obtained under a commonly assumed independent censoring mechanism and some modest regularity conditions on the survival distributions. The existence, consistency, and asymptotic normality of maximum likelihood estimators for the parameters of the model are rigorously derived under general sufficient conditions. Specific conditions for particular models can be derived from the general conditions for ready check. In addition, a likelihood-ratio statistic is proposed to test various hypotheses of practical interest, and its asymptotic distribution is provided.     

竞争风险场合PL型估计的强一致收敛性

本文构造了竞争风险场合分布函数的乘积极限（PL）型估计，运用经验过程的强逼近理论及Toylor展开方法，给出了PL型估计在全直线上的强一致收敛速度及其充分必要条件。     

竞争风险场合PL型估计的弱一致收敛性

本文构造了竞争风险场合分布函数的乘积极限（PL）型估计，运用经验过程的逼近理论及Taylor展开方法，给出了PL型估计在全直线上的弱一致收敛速度及其充分必要条件。     

竞争风险混合模型的参数估计与检验

本文在独立同分布I型区间删失情形下,研究了竞争风险混合模型中当参数真值是内点时,参数极大似然估计的性质,获得了其强相合性和渐近正态性.在较为宽松的条件下,给出了竞争风险混合模型参数序关系假设检验的检验方法,同时得到了似然比检验统计量及其在零假设下的渐近分布为加权x~2分布,并给出了—个例子并进行了功效比较.     

Some General Results on Equilibrium Prices in Large Random Exchange Economies

In this paper we are concerned with a model of a Walrasian exchange economy in which the preferences and endowments of the agents are random. Stochastic interaction among the agents is formally described in terms of dependency neighborhoods. The main result concerns a characterization of the distribution of market-clearing equilibrium prices in a large economy. The paper establishes conditions for asymptotic normality of appropriately normalized equilibrium prices.     

下一个失效时刻的非参数估计

本文研究下一个失效时刻的非参数估计问题.文中所给出的估计量在一定条件下a.s.收敛,同时也讨论了估计量的渐近正态性.     

Some properties for the estimators in linear mixed models

Linear mixed models (LMMs) have become an important statistical method for analyzing cluster or longitudinal data. In most cases, it is assumed that the distributions of the random effects and the errors are normal. This paper removes this restrictions and replace them by the moment conditions. We show that the least square estimators of fixed effects are consistent and asymptotically normal in general LMMs. A closed-form estimator of the covariance matrix for the random effect is constructed and its consistent is shown. Based on this, the consistent estimate for the error variance is also obtained. A simulation study and a real data analysis show that the procedure is effective.     

交替迭代最大似然估计量的偏倚校正

In this paper, we give a definition of the alternating iterative maximum likelihood estimator (AIMLE) which is a biased estimator. Furthermore we adjust the AIMLE to result in asymptotically unbiased and consistent estimators by using a bootstrap iterative bias correction method as in Kuk (1995). Two examples and simulation results reported illustrate the performance of the bias correction for AIMLE.