多组变量的局部典型相关系数和典型变量

定义了多组变量的局部相关系数,典型相关系数和典型变量,证明了这些概念是经典的两组变量时的概念的推广,这些概念与基体的相应概念一起澄清了多组变量之间的相关性。     

双因素方差分析模型中的广义p-值

利用Fiducial方法得到模型中假设检验问题的广义枢轴向量,由此直接定义广义p-值,并证明由此广义p-值所给出的检验在边界上具有频率性质. 在数值模拟中对广义p-值方法与广义F-检验方法作了比较. 模拟结果表明,在异方差时,广义p-值方法优于广义F-检验.     

一种可修系统稳态可用度的广义置信区间

利用广义推断方法研究了工作时间服从对数正态分布且参数皆未知,维修时间服从逆高斯分布情形下,可修系统稳态可用度的广义置信区间估计问题.模拟结果表明,用该法构造的广义置信下限在样本量较小时有较好的表现,且随着样本量增大置信下限越来越精确,在模拟的各种样本数量情形下,经验覆盖率都非常接近于名义水平.     

协方差阵的二次型估计的可容许性问题

设Y的分布为,即Y有密度函数其中X和V>0分别是已知的m×N和N×N阶矩阵,B和Σ>0分别是未知的p×m和p×p阶参数矩阵.本文限制在估计类?中讨论协方差矩阵Σ的估计的可容许性问题,所取的损失函数为??本文的主要结果有:(1)当m=n时,得到了Σ的估计YAY'在?中可容许的充要条件;(2)当m=1或BX=?时,得到了Σ的估计YAY'在?中可容许的充要条件;(3)当X=0时,得到了Σ的唯一的一个在?中可容许的估计;如果把损失函数改为??则在X=0时,存在着一簇Σ的在?中可容许的估计,其充要条件也被得到.本文主要利用凸集、凸函数和方向导数的有关性质,解决上述问题.这与以往文献所使用的方法有所不同,显得较为简单可行.     

删失回归模型的加权Bootstrap逼近

研究带删失数据的回归模型.基于合成数据,运用加权Bootstrap方法获得回归系数样本分布的近似估计,并对一般权序列,证明了这种分布近似的有效性及回归系数的加权Bootstrap估计的相合性.据此构造回归系数的加权Bootstrap置信域.数值模拟结果表明,就覆盖率而言,加权Bootstrap置信域优于传统的渐近正态置信域.     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

误差方差二次型估计模型的转化

研究一般的回归模型中误差方差的二次型估计的容许性，研究方法是模型的整体转化和局部转化，结果有：（１）二次约束下的线性模型等价于相应的无约束的线性模型；（２）线性等式约束下的线性模型等于某个无约束的线性模型。（３）单个非齐次不等式的束下的线性模型等价于某个无约束的线性模型。（４）通过例子证明了多个线性不等式约束的线性模型不能等价于某个无约束的线性模型。（５）某类非齐次二次型估计的容许性等价于相应在的     

异方差下增长曲线模型的统计推断

研究异方差增长曲线模型.基于未知参数的广义枢轴量,讨论了固定效应是否相等的假设检验问题,给出了固定效应两两差的同时置信区间和固定效应的置信域.模拟研究显示所给检验犯第一类错误概率和所给置信区间、置信域的覆盖概率都接近置信水平.     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计.该区间估计形式简单,易于计算.给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟.