M-泛函的经验似然置信区间

利用经验似然思想，分别讨论不含附加信息和含附加信息时，M-泛函的经验似然置信区间，并推广Zhang Biao (1997) 在独立同分布下的结果。     

含MA误差的线性模型的经验似然推断

采用拟极大似然估计方法获得含MA误差的线性模型估计方程。为了能够使用经验似然方法,先利用鞅差序列将估计方程中的二次型转化为线性形式;再构造关于模型参数的经验似然比统计量,在一定假设条件下证明该统计量渐近服从卡方分布;模拟结果表明,在参数置信域的覆盖率方面,经验似然方法比参数似然方法更接近置信水平。     

谱负MAP波动理论的一个注记

谱负MAP是应用概率论领域的重要内容之一.利用Asmussen-kella鞅推广了谱负MAP(X,J)的波动理论,给出谱负MAP在与之独立且服从Erlang分布的随机时刻点上水平与极值的联合变换所满足的等式,进而由Erlangization方法,给出谱负MAP(X,J)的水平与极值的联合变换的瞬时趋近算法.     

有附加信息下φ-混合样本的M-估计及分位数估计的渐进性质

利用经验似然方法讨论了φ-混合样本下有附加信息时M-估计及分位数估计的渐近性质,得到了估计渐近正态的结果。     

PH分布的累积报酬分布及应用

采用构造新Markov链的方法对离散PH分布的报酬过程进行研究,证明了在单位时间收益率确定及随机2种情况下带报酬Markov链在被吸收之前的“累积报酬”是PH分布,并给出了相应的表达式,最后给出了2个数值计算实例.     

随机时间上的Markov到达过程

对Markov到达过程作了推广,即考虑在服从PH分布的随机时间间隔上的Markov到达过程,采用构造与之相关的潜在Markov过程的方法分析这一计数过程.讨论了这类计数过程的基本性质,并给出了更新次数的矩母函数.同时,证明了这一过程的更新总次数及最后更新时刻服从PH分布,并给出了具体表示式.     

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.     

NA随机变量的两个极限定理

NA(negetively associated)随机变量在可靠性理论及多元分析中有广泛应用,近来,对此类随机变量极限定理的研究已引起很多学者的关注.定义1称随机变量X_1,…,X_n(n≥2)为NA的,如果对于{1,…,n}的任何两个不相交的非空子集T_1和T_2,都有Cov(f_1(X_i,i∈T_1),f_2(X_j,j∈T_2))≤0,其中f_1和f_2是任何两个使上述协方差存在的对每个变元均非降(或均非升)的函数.称随机变量列{X_i,i∈N}是NA的,如果对任何自然数n≥2,X_1,…,X_n.都是NA的.近来的研究表明,NA序列有许多与独立序列极为类似的极限性质,这为NA序列在应用上提供了有力的理论依据.近来,我们证明了引理1 设{X_j,j∈N}为零均值的NA序列,且对某个p≥2,.记则存在仅与p有关的常数K_p>0,使对任何自然数a和n有,本文就用引理1建立了下面的极限定理.     

NA样本下分布函数估计的联合渐近分布

研究了NA样本下分布函数的核估计在有限个不同点上的联合渐近分布,证明了该分布为多维正态分布,从而将分布函数的核估计从单点推广到多点,扩大了分布函数核估计的应用范围.