修正Berk-Jones检验统计量在零假设下的极限分布

讨论上界型修正Berk-Jones（RBJ）拟合优度检验统计量在简单零假设下的极限分布后,给出一种新的积分型RBJ检验统计量,并研究这种统计量在简单零假设下的极限分布,然后对这两种RBJ型检验与其他常用检验的功效进行模拟比较。模拟结果显示,两种RBJ型检验在我们所作的大多数模拟情况下不比常用的拟合优度检验差。     

半参数变系数部分线性模型的函系数检验

通过局部线性方法给出未知函系数与未知参数的拟似然估计, 利用未知量的拟似然估计构造了函系数部分的广义似然比检验, 并证明了原假设下检验统计量渐近服从自由度独立讨厌参数与讨厌函数的~$\chi^{2}$-分布, 揭示了Wilks 现象. 通过模拟例子对给出的检验方法作出分析.     

分布对称中心的U检验方法

基于构造U统计量提出了检验对称随机变量分布对称中心的一种新的检验统计量,获得了该检验统计量在原假设与备择假设下的极限分布,并用Bootstrap方法来获得检验拒绝域的临界值,对几类重要对称分布下该检验统计量的检验功效进行了比较,说明了该检验统计量的优良性.     

基于经验欧氏似然的线性回归模型变点检测

基于截断的经验欧氏似然比对线性回归模型中的系数变点进行检验与估计.首先建立线性回归系数变点模型,根据其特点构造截断的经验欧氏似然比检验函数,证明在零假设下,该检验统计量的极限分布与经典参数对数似然比检验统计量的极限分布相同,利用此极限分布对变点存在与否做出诊断,若变点存在,则给出变点位置的估计,并证明在一定条件下,该估计是具有相合性的,数值模拟结果以及实例分析表明文中提出的方法具有有效性和实用性.     

具有部分缺失数据时两个Weibull总体的估计和检验

本文讨论了具有部分缺失数据时两个Weibull总体的参数估计和关于总体相同的似然比检验.证明估计的强相合性和渐近正态性,给出似然比检验统计量的极限分布,并讨论基于精确分布的检验问题.     

具有部分缺失数据时两个帕斯卡分布的估计和检验

讨论了具有部分缺失数据下两个帕斯卡分布总体的参数估计和关于总体相同的似然比检验,证明了总体参数估计量的强相合性与渐近正态性,同时给出了似然比检验统计量的极限分布.     

具部分缺失数据两个指数总体的估计和检验

讨论部分缺失数据两指数总体的参数估计和关于总体相同的似然比检验. 证明估计的强相合性和渐近正态性, 给出似然比检验统计量的极限分布, 并讨论基于精确分布的检验问题.     

φ-混合样本下似然比统计量的渐近分布

利用泰勒展开方法研究φ-混合样本下考虑一维参数空间似然比统计量的极限分布，在一定的正则条件下，证明了简单原假设下似然比统计量的极限分布为加权x^2-分布．     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题．基于Plug-in经验似然方法。构造经验似然比检验统计量．证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域,最后通过数据模拟。讨论了其检验功效．     

两正态总体相等的似然比检验

为检验在一个总体方差已知时两正态总体是否相等,文章构造了新的似然比检验统计量,此似然比检验统计量不同于Neyman和Pearson提出的检验统计量,并给出了新检验统计量的精确零分布。最后利用Monte Carlo方法对该文检验统计量的第一类错误和检验功效进行了模拟分析,结果验证了本文新检验统计量的有效性。