含辅助信息的最小非参似然比估计和检验

当前,拟合优度检验已经比较完善,但仍存在对总体分布已有信息利用不足或者直接丢掉这部分信息的问题.为了实现对已有信息的充分利用,首先借助经验似然的思想与最小非参似然比统计量的形式,给出含辅助信息的最小非参似然比统计量;然后利用最小非参似然比估计与检验性质的研究方法,得到含辅助信息的最小非参似然比估计量,并考察检验统计量的相合性、稳健性,同时得到其在复合零假设下的极限分布.这些结论在一定程度上可以丰富和完善拟合优度检验与非参数估计的一些理论.     

修正Berk-Jones检验统计量在零假设下的极限分布

讨论上界型修正Berk-Jones（RBJ）拟合优度检验统计量在简单零假设下的极限分布后,给出一种新的积分型RBJ检验统计量,并研究这种统计量在简单零假设下的极限分布,然后对这两种RBJ型检验与其他常用检验的功效进行模拟比较。模拟结果显示,两种RBJ型检验在我们所作的大多数模拟情况下不比常用的拟合优度检验差。     

基于概率积分变换与似然比的高维相关性检验

高维相关性的拟合优度检验是Copula尤其是高维Copula实践应用中遇到的复杂课题。为了解决这一难题,该文将Berkowitz在2001年提出的基于概率积分变换的似然比检验单变量分布的方法推广用来做多变量分布的拟合优度检验,特别是用来检验高维copula的拟合优度。通过Monte Carlo模拟对比实验,结果表明基于概率积分变换的似然比检验统计量对高维相关性的拟合优度具有很强的检测能力,同时对小样本数据同样有效。     

基于概率积分变换与似然比的高维相关性检验

高维相关性的拟合优度检验是Copula尤其是高维Copula实践应用中遇到的复杂课题。为了解决这一难题,该文将Berkowitz在2001年提出的基于概率积分变换的似然比检验单变量分布的方法推广用来做多变量分布的拟合优度检验,特别是用来检验高维copula的拟合优度。通过Monte Carlo模拟对比实验,结果表明基于概率积分变换的似然比检验统计量对高维相关性的拟合优度具有很强的检测能力,同时对小样本数据同样有效。     

半参可加部分线性EV模型中参数的经验似然比检验

考虑半参可加部分线性EV模型中参数部分的检验问题,提出了经验似然比检验统计量,得到了原假设成立下统计量的渐近卡方分布,方便使用．     

M-O模型的拟合优度检验

针对在软件可靠性中广泛使用的M-O模型,考虑了如何判定其是否适合特定的软件系统的问题.首先将该问题转化成了统计中的拟合优度检验问题,然后为该检验问题提出了一个合理的检验统计量,证明了统计量的渐近正态性,并给出了检验的拒绝域.     

误差为ARMA(1,1)的非线性回归模型相关性和异方差的检验

本文讨论了误差为ARMA（1,1）序列的非线性回归模型。首先得到随机误差相关性和异方差性检验的似然比检验统计量和Score检验统计量;其次利用参数正交变换,得到了修正的似然比检验统计量和修正的Score检验统计量,推广了韦博成、胡跃清（1994）的结果和韦博成（1995）的结果;最后给出了几种特殊情形的似然比检验统计计量和Score检验统计量。     

基于调和均值的疲劳寿命经验分布函数

该文基于调和均值的定义,应用积分概率变换,提出一个新的反映顺序疲劳寿命失效概率分布集中趋势的经验分布函数,并在此基础上给出极值型检验统计量及其不同显著度水平下的临界值;考虑疲劳寿命拟合实际情况,利用随机贝塔分布函数构建备择分布,提出不依赖分布形式的检验功效数值计算方法.理论分析和数值模拟得出基于调和均值经验分布函数的检验方法较常规的K-S检验具有更高的检验功效.     

两正态总体相等的似然比检验

为检验在一个总体方差已知时两正态总体是否相等,文章构造了新的似然比检验统计量,此似然比检验统计量不同于Neyman和Pearson提出的检验统计量,并给出了新检验统计量的精确零分布。最后利用Monte Carlo方法对该文检验统计量的第一类错误和检验功效进行了模拟分析,结果验证了本文新检验统计量的有效性。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.