嵌套数据下密度核估计的r阶均方相合性

密度核估计是一种具有广泛应用领域的非参数统计方法,在Parzen给出的一个基本引理的基础上,给出嵌套数据结构下密度核估计的r阶均方相合性及一致均方相合性.     

变系数EV模型系数参数的一步核估计

利用核函数法和广义最小二乘法给出了一般变系数EV模型系数参数的估计,得到了估计的强相合性.模拟计算表明估计的效果优良.     

二阶部分线性自回归模型的稳健估计

本文将稳健估计程序思想运用到二阶部分线性自回归模型中,得到了未知参数β和非参数函数g(·)的稳健估计.在一定的条件下,证明了未知参数和非参数函数估计的相合性.并通过时间序列的数据模拟验证相合性结果.     

平稳过程的条件概率密度非参数估计的L1－模强相合性

设｛Ｘ_Ｊ｝_（ｊ＝－∞）~∞是一个实值平稳随机过程，本文考虑了联合密度和给定过去状态的条件密度的递推估计，得到这些估计在过程｛Ｘｊ｝的各种混合条件下是Ｌ１－模强相合的。     

具有部分缺失数据时两个0-1总体的估计

本文讨论了部分缺失数据两个0-l总体的参数估计，证明了估计的强相合性和渐近正态性。     

具有部分缺失数据两个双参数指数总体的估计

本文讨论了部分缺失数据两个双参数指数总体的参数估计问题．证明了估计的强相合性和渐近正态性。     

变窗宽下回归函数导数核估计的相合性

设(Xj,Y j),j=1,2,…,n是取值于R×R上的一列i.i.d的样本,Y=m(x)+ε是回归模型,其中m(x)=E(YX=x)是未知的回归函数.给出变窗宽下m′(x)的核估计方法,并建立估计量大样本的相合性.     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中。本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性。     

非参数回归函数最近邻估计强相合性的研究

在样本序列{(x_n,y_n),n ≥ 1}为平稳φ-混合的情况下,研究了回归函数m(x)的最近邻估计m_n(x)的强相合性问题,并给出了它在非参数判别中的一个应用.     

一类均匀分布参数的极大似然估计及优良性

该文讨论了U[-θ，0]上参数θ的极大似然估计及修正后的极大似然估计的均方误差和相合性，并进一步证明了修正后的极大似然估计还是参数θ的UMVUE．     

纵向数据中伪似然方程的根的相合性

研究了伪似然方程的根的渐近存在性和相合性大样本性质.伪似然方程是研究纵向数据的一种方法,它是广义估计方程(GEE)的一种推广,用适当的矩阵去估计相关阵,这也是研究意义所在. 自从Shao(1999)定义伪似然方程以来,其大样本性质也不断完善. 本文证明了在一定条件下伪似然方程的根的渐近存在性及相合性.     

截断情形下巴斯卡分布的参数估计

本文讨论了截断情形巴斯卡分布参数的极大似然估计问题,证明了估计的强相合性和渐近正态性,给出了估计的进一步渐进性质.     

一类均匀分布参数极大似然估计及优良性的讨论

该文讨论了U[θ,θ＋1]上参数θ常用的三个极大似然估计及修正后的极大似然估计的均方误差和相合性,并进一步给出了参数θ的UMVUE．     

最小一乘下的PP k—聚类

研究了最小一乘下的ＰＰ ｋ－聚类问题，给出了相合性，得到了与最小二乘情形下类似的结论。     

非正交因子下APT模型参数估计的渐近性质

本文讨论文献[1]中所给APT模型参数估计的渐进性质，当θM^∧存在时，证明了它的强相合性和渐近态性；进而，对无套利场合的APT假设，提出了其LRT和修正的检验方法。     

缺失数据下部分线性EV模型的估计及其渐进性质

研究了响应变量随机缺失下部分线性测量误差(EV)模型的估计问题。利用核估计和最小二乘的方法给出参数β和非参数g的两步估计,并在适当条件下证明了它们的强相合性和渐近正态性,数值模拟表明第二步估计值比第一步估计值更优。     

平稳过程的条件概率密度非参数估计的L1—模强相合性

设｛Ｘｊ｝∞ｊ＝－∞是一个实值平稳随机过程，本文考察了联合密度和给定过去状态的条件密度的递推估计，得到这些估计在过程｛Ｘｊ｝的各种混合条件下是Ｌ１－模强相合的。     

双分量区间删失下Weibull分布参数最大似然估计的渐近性质

针对一类双分量区间删失模型，讨论了Ｗｅｉｂｕｌｌ分布参数最大似然估计的可识性，证明了该估计具有强相合性及渐近正态性。     

纵向数据线性混合效应模型的统计分析

考虑纵向数据的一般线性混合效应模型.在不设定误差和随机效应分布类型已知的情况下,给出了随机效应本身,回归系数和误差方程的估计量.并在一般设计点列和一般矩条件下,建立了估计量的强相合性和渐近正态性.     

概率P(X>E(X))的估计问题

设总体X的分布函数为F(X),而X_1,X_2,…X_n是X的简单随机样本.本文讨论了概率P(X>E(X))=1-F(E(X))的估计问题,提出了一些强相合估计,同时也就证明了不存在合理的无偏估计.此外本文还指出了某些尚待进一步研究的问题,解决它们可能对基本常识大有好处.