Poisson自回归模型的平稳性检验

利用经验似然方法研究Poisson自回归模型的平稳性检验问题, 通过构造相关检验的经验似然比检验统计量, 在零假设下获得了检验统计量的极限分布, 并通过Monte Carlo数值模拟考察该检验方法的有限样本特征.     

回归模型参数检验及多克隆抗体效价的回归分析

利用经验似然方法研究一元线性回归模型参数的检验问题, 构造了相关检验的检验统计量, 并在零假设下获得了检验统计量的极限分布. 结果表明, 该方法可用于多克隆抗体稀释倍数与有色物吸光度值(OD值)的建模.     

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.     

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。     

回归模型的相关性检验

基于经验似然的方法构造了检验统计量,对非参数回归模型中的误差进行了相关性假设检验,获得了零假设下检验统计量的渐近分布为χ2分布.模拟计算表明相关性假设检验的经验似然方法具有较好的功效.     

两样本参数差异的经验似然置信区间

将经验欧氏似然应用于半参数模型,讨论了在此模型下两样本参数差异的经验欧氏似然的大样本性质,证明了经验欧氏似然比统计量依分布收敛于Х^2随机变量,由此给出参数差异的经验似然置信区间。     

平稳自回归模型的调整经验似然置信域

自回归模型在经济学及信息学等领域有广泛应用.其统计推断是统计学研究的重要问题之一.本文主要研究自回归模型的调整经验似然方法 .在Chuang和Chan利用自回归模型的条件最小二乘估计、通过得分函数构造的经验似然比统计量基础上,本文针对经验似然方法可能不存在解的情形构造了调整经验似然统计量,并证明调整后的经验似然比统计量的极限分布服从卡方分布.由此我们可以构造模型参数的调整经验似然置信域（区间）.最后,本文通过数值模拟比较了调整经验似然方法和经验似然方法的性能.结果显示,调整经验似然方法所得的区间估计具有更好的覆盖率.     

约束条件下分组数据位置参数的估计与检验

采用非线性规则中的库恩－塔克定理和概率论中的中心极限定理,研究约束条件下分组数据位置参数的估计与检验问题,给出了分组数据位置参烽的最大似然估计存在的充要条件和算法,证明了最大似然估计的相合性,并且讨论了似然比检验在零假设下的渐近分布。     

分段线性模型误差分布差异的经验似然比检验

为了明确分段线性模型的误差之间是否存在分段差异,文章基于残差中的经验似然思想建立了假设检验方法。首先,基于真实误差构造经验似然函数,求出其渐近分布。然后,基于残差构造经验似然比统计量,并给出了原假设成立时统计量的渐近分布。最后进行Monte Carlo模拟,验证理论的正确性;结果表明,当样本量较大时,在原假设下,基于残差构造的统计量的渐近分布具有很好的表现。     

光滑经验欧氏似然分布估计

利用经验欧氏似然方法,构造了光滑经验欧氏似然分布函数的估计量,并在一定的条件下得到了此估计的相合性及渐近正态性。