基于C~2R模型的广义链式网络DEA模型

传统网络DEA方法是将传统DEA方法评价过程中的"黑箱"打开,考虑输入到输出的中间环节,对生产过程中的各个环节分别评价。传统网络DEA方法获得的是相对于有效决策单元评价的结果,但有时可能要相对于非有效决策单元或者非决策单元进行评价,传统网络DEA方法无法解决该类问题。为此给出相对于非有效决策单元或者非决策单元进行评价的基于C~2R模型的广义链式网络DEA模型,并探讨相关性质.     

Bootstrap approximation of wavelet estimates in a semiparametric regression model

The inference for the parameters in a semiparametric regression model is studied by using the wavelet and the bootstrap methods. The bootstrap statistics are constructed by using Efron＇s resampling technique, and the strong uniform convergence of the bootstrap approximation is proved. Our results can be used to construct the large sample confidence intervals for the parameters of interest. A simulation study is conducted to evaluate the finite-sample performance of the bootstrap method and to compare it with the normal approximation-based method.     

平均样本间隔的性质及其在拍卖中的应用

研究了平均样本间隔E(Xk+1:n-Xk:n)的性质.证明了当X具有DRHR年龄性质时,E(Xk+1:n-Xk:n)关于样本容量n递减.而当X具有IFR年龄性质时,E(Xk+1:n-Xk:n)-E(Xk+2:n+1-Xk+1:n+1)非负.最后,讨论了主要结果在拍卖模型中的应用.     

基于Bootstrap法的动态修正贝叶斯精度评估

针对工程实际中所普遍存在的小子样条件下,研究具有多阶段试验信息时的参数估计问题,提出一种结合Bootstrap方法与动态修正贝叶斯估计方法对精度评估中的弹点散布方差进行估计的方案.     

多组样本下GL—统计量的渐近性质

本文主要讨论多组样本下GL－统计量的渐近分布,这里我们使用了Gateaut微分逼近方法,在多组i.i.d.样本下,给出了GL－统计量的渐近正态分布的一组条件,从而拓广了i.i.d样本下GL－统计量的渐近正态分布的性质[1]。     

NA样本概率密度函数核估计的相合性

设{X     

单边截断分布族参数的经验Bayes检验：NA样本情形

本文运用同分布NA样本密度函数的核估计,构造一类单边截断型分布族参数的经验Bayes检验,讨论它的渐近最优性,建立其收敛速度,在适当的条件下,证明了该收敛速度可以任意接近于1,最后给出适合定理条件的一个例子。     

样本区间的概率分布

设(X1，X2，…Xn)为服从I=[0,1]上均匀分布的容量为n的简单随机样本，它们将I=[0，1]分隔成(n 1)个样本区间(sample spacing)．记Y0,Y1，…Yn分别为这些样本区间的长度，又设Zx(x,ω)为包含点X∈I的唯一的左闭右开区间的长度．由于随机选取的点集被广泛运用于许多概率模型中．例如流行病学、遗传学、时间序列分析以及交通流理论等．因此，对Zn(x)及其相关统计量分布的研究也就引起了人们的广泛关注．本文利用顺序统计量的性质讨论了Yi(O≤i≤n)以及Zn(x，ω)的概率分布，有利于今后对上述理论的研究。     

相协样本半参数回归模型估计的矩相合性

考虑半参数回归模型Y(j) (xin,tin) =tinβ g(xin) e(j) (xin) ,1 ≤j≤m ,1 ≤i≤n .利用最小二乘法和权函数估计方法 ,定义 β ,g的估计量βm ,n和gm ,n(x) ,在负相依样本及较弱的条件下证明了这些估计的矩相合性 ,这些结论推广和改进了胡舒合 ( 1 997)关于独立情形的相应结论 .     

连续型单参指数族参数的经验Bayes检验问题:NA样本情形

本文对连续型单参指数族单边和双边假设检验问题导出了Bayes检验函数 ,利用同分布NA样本构造了经验Bayes(EB)检验函数 ,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度 ,文末给出一个满足定理条件的例子