相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

m-相依样本下条件密度的经验似然置信区间

在m-相依样本情形下基于条件密度的双重核估计构造了条件密度的经验似然置信区间。     

同分布负相协情形下威布尔分布族参数的经验贝叶斯检验问题

在同分布负相协样本情形下研究了威布尔分布族参数的经验贝叶斯检验.利用密度函数核估计方法构造了参数的经验贝叶斯检验函数,在加权线性损失下获得了该估计的收敛速度,在适当条件下证明了经验贝叶斯检验函数的渐近最优性.     

NA样本密度小波估计的相合性

研究负相协样本X_1,X_2,…,X_n的密度函数估计问题。利用小波方法,构造了该样本密度函数的线性小波估计器。在不假定密度函数具有任何光滑性的条件下,证明小波估计器的L~p(1≤p≤∞)平均相合性。结果表明,小波密度估计器能够有效估计负相协样本的密度函数,从而扩充了小波方法的应用范围。     

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

φ-混合样本下分位数的经验似然置信区间

在一定的条件下证明了φ-混合样本下分位数的分组经验似然比统计量的渐近分布为χ(21),由此可构造分位数的经验似然置信区间。     

左截断右删失数据中泊松分布的贝叶斯推断

研究了左截断右删失数据中泊松分布的贝叶斯推断问题。主要给出了参数的极大似然估计和贝叶斯估计,同时给出了相应的置信区间。最后给出了贝叶斯推断的随机模拟检验,通过检验发现:在小样本的情况下,贝叶斯估计精度比极大似然估计的精度高一些,而在大样本的情况下,这2种估计的精度相差不大。在置信区间的构造方面,不论是小样本还是大样本,最大后验密度置信区间确实比传统的置信区间有效。     

缺失数据情形总体差异的经验似然置信区间

在一定的条件下证明了MAR缺失机制下不完全样本情形两非参数总体差异指标的经验似然比统计量的渐近分布为加权拍X2(1),由此可构造差异指标的经验似然置信区间.     

随机左截断数据下条件分位数的光滑经验似然推断

应用光滑的经验似然方法来构造随机左截断数据下条件分位数的置信区间． 在一定的条件下,证明了经验似然比统计量渐近服从自由度为1的卡方分布． 模拟数据表明,在构造条件分位数的置信区间时,经验似然方法比正态逼近方法效果更好．