指数分布具有耐抗性质的参数估计

讨论了指数分布的参数估计问题,给出指数分布参数具有耐抗性质的估计量,同时讨论了估计量的优良性.     

Bayes条件下非线性模型参数估计的渐近展开

给出了在Bayes条件下非线性回归模型的参数估计,建立了非线性回归模型的几何结构,推广了Bates和Wates关于非线性回归模型的几何框架,用几何方法求出参数估计的随机展开,并讨论了若干与统计曲率相关的渐近性质,给出了该模型的极大似然估计的方差和偏差的近似表示.     

市场预测中的缺失数据问题

本文建立了问卷调查法的数学模型，给出了该模型的参数估计并讨论了估计量的大样本性质。     

基于最小一乘准则的非线性回归模型研究

给出基于最小一乘准则的非线性回归模型的参数估计算法。该算法利用泰勒级数和最小一乘准则的性质,得到模型的参数估计值。文中用实例验证了该算法的正确性和有效性,同时也证实了最小一乘的稳健性。     

尺度参数估计的损失函数和风险函数的Bayes推断

在共轭先验分布下,研究了尺度参数族参数估计的损失函数和风险函数的Bayes估计及其保守性质,并给出相应Bayes估计的合理性.     

附加随机线性约束信息下(Y,Xβ,σ~2I_n)的估计

本文给出了附加随机线性约束信息下线性模型参数估计的若干性质,并指出当忽略附加信息时,对模型拟合值影响的大小。     

半参数广义线性模型的矩估计及其渐进性

针对概率统计中的半参数广义线性模型(SGLMS),利用了正交空间、核函数、正交计算方法及独立随机分布的概念和性质,研究了广义线性模型中未知参数的估计问题,给出了回归参数的矩估计方法及其相应的性质,给出了参数估计量为一致有效性和近似正态性的充分条件,并证明了参数估计量是一致有效性和近似正态性的结论.所给出的回归参数的矩估计方法推广了已有文献中要求参数完全已知的假设,因此该方法和结果更具有一般性和理论价值.     

定时截尾情形下指数分布参数的估计

本文给出了定时截尾情形下指数分布的参数极大似然估计,证明了极大似然估计的强相合性质以及进一步的渐近正态性质.其结果对于其它的总体分布的参数估计具有普遍的现实意义.     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

Gamma分布的特征函数及点估计

利用特征函数及其性质,给出Gamma分布的数字特征的几个重要定理的证明.同时,讨论了Gamma分布的参数估计问题,在形状参数α已知的条件下,给出尺度参数λ的一个渐近有效估计,其效率.     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

协变量缺失下基于诱导光滑方法的加权分位数回归

在部分协变量随机缺失机制下的分位数回归模型中, 提出回归参数的诱导光滑加权估计及其渐近协方差估计, 证明了诱导光滑加权估计和经验似然加权估计有相同的渐近协方差, 且诱导光滑加权估计的渐近协方差估计也是相合的, 并给出了诱导光滑加权估计及其渐近协方差估计的高效算法. 模拟结果表明, 新方法在有限样本下表现优良.     

缺失数据下广义线性回归拟似然估计的强相合性

研究了响应变量随机缺失下的广义线性模型,利用处理缺失数据的完全数据方法,构造了广义线性模型中未知参数的拟似然估计.结合随机缺失机制和若干极限定理,证明了该拟似然估计的渐近存在性、强相合性和收敛速度.     

最小Hellinger距离方法在扩散过程参数估计中的应用——基于转移密度的估计量

为了研究扩散过程的参数估计问题,本文基于最小Hellinger距离的定义给出了利用转移密度构造的参数估计量.首先定义了转移密度的非参数估计量并研究了它的性质(一致收敛性以及渐近正态性),然后通过最小化扩散过程的转移密度和该密度的一个非参数估计量之间的距离构造扩散过程的参数统计量,实现这一统计量的一致收敛性和渐近正态性.最后为了强调说明该方法的可行性,本文将这一方法应用于几何Brown运动和CEV模型这两个例子.     

非线性约束条件的平稳自回归模型的L1 估计

L1－估计是统计问题中一个重要估计,时间序列模型的L1－估计问题是非常重要的,这些估计量的多种性质都被研究过,许多统计学者讨论它在无约束条件下情况下的估计问题及其有关性质,且得到了较好的结果,然而,仍有一些基本问题有待解决,本文讨论了平稳自回归模型的L1－估计在非线性约束条件下的渐近性质,该约束条件是由非线性等式和不等式给出,这种估计问题属于随机优化问题,用最优化的方法克服非线性约束问题在估计研究上的困难,为估计提供了一个新的途径,并得到L1－估计问题的相关结果。     

数据缺失情况下具有测量误差的两个几何分布总体参数的估计和检验

讨论了部分数据缺失且存在测量误差的两个几何分布总体参数的估计与检验问题,给出了模型参数的矩估计,证明了估计量的强相合性和渐近正态性以及检验统计量的极限分布.     

删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.     

一类离散观测下非线性随机系统估计量的局部渐近正态性

研究了一类离散观测下含未知参数的非线性随机系统的渐近性问题,对似然率函数和极大似然估计量的近似值分别进行精确度分析,建立了似然率随机域来分析似然率的渐近动态特征,并借助积分中心极限定理等数学工具分析得到似然率随机域满足局部渐近正态性的充分条件,并进一步给出Berstein-Von-Mises型有界定理。     

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。     

半参数回归模型中基于稳健散布阵的参数估计

基于稳健M-估计所得到的散布矩阵,给出了半参数回归模型中回归参数β的稳健估计,并证明了估计量的强相合性以及渐近正态性.