含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

对指数分布定总时有替换可增长型数据的NATURAL字典排 …

通过引入随机化方法对处理指数分布定总时有替换可增长型数据的ＮＡＴＵＲＡＬ字典排序法给予了改进，进而改进了对产品可靠度置信下限的估计。     

对指数分布定总时有替换可增长型数据的NATURAL字典排序法的改进

通过引入随机化方法对处理指数分布定总时有替换可增长型数据的NATURAL字典排序法给予了改进,进而改进了对产品可靠度置信下限的估计。     

有向非循环图的可反向边集合的结构与判定

讨论了有向非循环图(dag)G的可反向边集合R_G的结构,给出了判断R_G的充分必要条件。这一结果将有助于设计算法搜索G中的等价类,在用得分等价原则学习贝叶斯网络结构时,可以进行局部得分,从而减少所需的数据量,提高效率。     

定期检测数据情形下参数的置信限

设储存了某种产品的一批样品,每隔一段时间检查一次,看样品是否失效,所得到的数据就称为定期检测数据。我们的目的是根据这种数据对产品的寿命分布参数作置信限。本文给出了这种情况下的非随机置信限、随机置信限,并证明了所给置信限的优良性。本文给出的方法对所取得的数据没有任何要求。     

基于随机加权法的最优截断比例的选择

考虑模型X=μ+e,其中μ∈R~1是未知参数,X是观测值,e(?)F是不可观测的关于原点对称的误差随机变量。样本为X_1,…,X_n,F_n为经验分布。对某0<α<1/2,记J_α(t)=(1-2α)~(-1)I(α相似文献   

非参数回归的L_1-Cross-Validation最近邻中位数估计的强相合性

考虑非参数回归模型Y_i=g(x_i)+e_i,i≥1,其中g(x)是待估计的连续函数,{x_i,i≥1}是非随机的,{e_i,i≥1}是iid随机误差,在本文中,我们讨论最近邻中位数估计(x)=m(Y_((i(1)),…,Y_(i(h~*)))=Yi(1),…,Y_(i(h~*))之中位数,其中h~*利用L_1—Cross—Validation方法选择,在一定条件下,建立了L_1—Cross—Validation最近邻中位数估计的强相合性。     

一类重要辅助信息在一类因果模型中可识别的充要条件

在流行病学和社会科学中,大量的研究是估计因果效应。一般而言,没有任何假设的条件下,因果效应无法获得,即不给因果变量任何辅助信息,因果效应无法识别。作者提出了辅助信息可识别的定义,并且针对一类比较普遍且重要的辅助信息得出它在一类因果模型中对4种因果效应可识别的充要条件,最后将这结果推广到一般情况。     

删失情形下的置信限问题

本文考虑某总体的刻度参数的置信下限的设置问题。设数据是被一组固定时刻右删失了的数据。本文讨论了基于信仰分布选择原理的置信限设置问题以及相应的序贯置信下限的设置问题。对于所设置的置信限的性质作了若干探讨。     

相依样本下密度泛函估计的渐近性质

设Ｘ１，Ｘ２，…Ｘｎ是从某个具有密度函数ｆ（ｘ）的一维总体中抽出的一个随机样本，μ＝ＥＸ１。本文考察了洪圣岩所提出的密度泛函θ＝ｆ（μ）的核型估计ｆｎ（Ｘ）的大样本性质，在样本序列（Ｘｎ）为平稳、一致强混合的情形下，得到了ｆｎ（Ｘ）的强收敛速度，并证明了ｆｎ（Ｘ）具有渐近正态性。