Panel数据模型中方差分量的广义p值检验

利用广义p值和广义置信区间的概念构造含有四个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.模拟结果表明,这种检验能很好地控制检验水平.     

Estimation for Partially Linear Models with Missing Responses:the Fixed Design Case

Suppose that we have a partially linear model Yi=x′iβ+g(ti)+εi with independent zero mean errorsεi,where{xi,ti,i=1,···,n}are non-random and observed completely and{Yi,i=1,···,n}are missing at random(MAR).Two types of estimators ofβand g(t)for fixed t are investigated:estimators based on semiparametric regression and inverse probability weighted imputations.Asymptotic normality of the estimators is established,which is used to construct normal approximation based confidence intervals onβand g(t).Results are reported of a simulation study on the finite sample performance of the estimators and confidence intervals proposed in this paper.     

一类连续型非正态总体参数精确置信区间的构造方法

运用枢轴量法,借助于χ~2分布,就一般连续型非正态总体情形,证明了一类能够派生出总体分布中未知参数之精确置信区间构造方法的定理,并举例说明其应用.     

Gamma分布环境因子的统计分析

证明了Gamma分布环境因子的最大似然估计是有偏估计,且其偏差为正,进而导出了Gamma分布环境因子的近似无偏估计.利用Cornish-Fisher展开导出了Gamma分布环境因子的广义置信区间,另外也给了Gamma分布环境因子的Bootstrap-t置信区间.利用模拟方法研究了所给近似无偏估计和区间估计的精度,模拟结果显示所给近似无偏估计和区间估计的精度是相当好的.     

概率密度函数的广义最小二乘估计

本文提出了应用线性回归的方法改良核密度估计的一种方法,改良的估计量为GLS估计.并讨论了几个与之相关的问题.     

一种基于自主配置的网络可生存性增强算法

基于中心极限定理和假设检验理论，通过比较当前关键服务请求的服务响应时间与该关键服务历史平均服务响应时间置信区间的关系，提出了一种增强网络可生存性的自主配置算法（NSAC）．该算法对关键服务执行过程中的不同时段分两种情况采取适时的资源剥夺、服务迁移或者服务降级等策略，最大限度地保证关键服务请求在用户期望的截止时间内完成，整个配置过程对用户透明．仿真试验表明，本文提出的算法在网络重负载和轻负载情况下都可以更好地改善系统关键服务的可生存性．     

关于区间估计和假设检验的一点注记

给出了当枢轴量和检验统计量的分布密度为单调函数时,寻找最优置信区间方法,并说明了在此条件下进行假设检验选择单侧拒绝域的合理性。     

样本判决系数的样本特性研究

本文用 bootstrap方法估计 R2和 R2的标准误差并构建置信区间 ,用蒙特卡罗方法说明 bootstrap标准误差的精确程度 ,并说明 R2的 95置信水平的置信区间不包含真实值的某些特殊情况在用 R2时不会发生。     

Poisson分布参数的二阶段置信区间

提出利用二阶段方法得到Poisson分布参数λ的一个置信水平1-α≥1-ν时的具有任意固定宽度L(<1/2)的区间估计,并通过数值计算得到第一阶段的最优抽样量.     

An information-theoretic approach to effective inference for Z-functionals

In this paper, through an information-theoretic approach, we construct estimations and confidence intervals of Z-functionals involving finite population and with the presence of auxiliary information. In particular, we give a method of estimating the variance of finite population with known mean. The modified estimates and confidence intervals for Z-functionals can adequately use the auxiliary information, at least not worse than what the standard ones do. A simulation study is presented to assess the performance of the modified estimates for the finite sample case.