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.     

线性测量误差模型的lack-of-fit检验

基于正态假设,提出了测量误差模型lack-of-fit检验的一种方法.在原假设下,检验统计量渐近服从χ2分布. 还就该检验的势函数与权函数的选择进行了讨论,同时与文献中相关的方法进行了比较.     

两总体分布均值相等的U统计量检验法

在任意总体分布且方差未必相等的情形下,给出了两总体分布均值相等的U统计量检验法,并讨论了检验统计量的相合性、渐近正态性及检验的功效.     

两总体方差差异的U统计量检验法

本文利用非参数统计中U统计量的构造方法给出一种检验两总体方差差异的方法,与F检验相比,该方法有更宽泛的适用场合.     

非对称DAR模型的估计与检验

本文研究非对称DAR模型的估计和检验问题.运用拟极大似然方法,构造模型的参数估计,在某些正则条件下,证明估计的相合性和渐近正态性.基于此,构造拟似然比统计量检验模型的非对称性,在原假设和备择假设下,给出该统计量的渐近分布.数值模拟和实证分析结果表明:本文所构造的模型参数估计和检验方法具有良好的有限样本性质.     

单个总体方差差异的U统计量检验法

给出一种利用非参数统计中U统计量构造检验单个总体方差差异的方法,与χ2检验法相比,该方法不仅适用于更宽泛的场合,而且其渐近相对效率为1.     

一种相依极小p值统计量概率分布的近似计算方法

极小p值统计量常用于多重检验问题,其显著性在各个检验不独立的情形下计算复杂度过高.在单个假设的检验统计量联合服从多元正态分布,且检验统计量之间非负相关的假设下,检验统计量之间的相关系数的均值可以作为检验统计量相关性的度量.基于这个度量给出了一个计算极小p值统计量的分布函数的近似方法.模拟结果表明该方法计算简便,具有较高的逼近精度.     

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.     

两个一维总体分布相等性的permutation检验

检验两个一维总体分布的相等性,采用理论证明和数值模拟的方法,在Prastgaard提出的Kolmogorov-Smirnov统计量T1及相应的permutation统计量T 1基础上,提出了基于K-S统计量的新统计量T2及相应的permutation统计量T 2,研究了在一维的情形下T2与T 2的分布,并进行了数值模拟.结果表明:新统计量在原假设下有相同的极限分布,数值模拟结果优于原统计量.该方法对检验两总体分布的相等性有一定的参考价值.     

删失回归模型中基于LAD的线性假设检验研究

在ZhaoLC .Linearhypothesistestingincensoredregressionmodels基础上讨论了删失回归模型的线性假设检验问题 ,在局部备择假设成立时 ,给出了基于最小绝对偏差所构造的检验统计量的渐近分布 ,并对检验统计量的表现进行了统计模拟     

长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

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.     

部分缺失数据两个特殊指数总体的估计和检验

讨论了在部分缺失数据的情况下,两个特殊指数总体的参数估计和基于相同总体的似然比检验.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公布,并讨论了基于精确分布的检验问题.     

均匀分布U(θ_1,θ_2)的参数估计及优效性研究

讨论均匀分布U(θ_1,θ_2)中参数θ_1,θ_2的估计问题,给出了最大次序统计量和最小次序统计量的分布函数和联合分布函数,并讨论了最大次序统计量和最小次序统计量的数字特征以及这些统计量的优效性.     

基于残差的非线性自回归模型的拟合优度检验

时间序列模型中,考虑误差分布的拟合优度检验是很重要的．Lee和Na（2002）考虑了在线性自回归模型下,基于残差的Bickel—Rosenblatt检验问题．他们指出了在原假设条件下,检验统计量的极限分布与利用独立同分布观测值的经典Bickel—Rosenblatt检验相同．本文主要讨论无限阶的非线性自回归模型的基于残差的Bickel—Rosenblatt检验统计量的渐近性质．我们证明了在自回归函数未知的情况下,当满足一定条件时,检验统计量的渐近性质与基于真实误差的统计量的性质相同．     

厚尾序列均值变点的非参数检验

目的 考虑稳定系数为κ的厚尾分布的均值变点检验问题.方法 利用非参数检验方法.结果 基于Wilcoxon秩和统计量,构造出了相应的检验统计量.结论 得到了原假设下统计量的渐近分布,并证明了在备择假设下统计量的相合性.     

基于离中度的模糊线性回归模型的统计诊断

针对实数值输入、不确定值输出的模糊线性回归模型,讨论了基于模糊离中度数据删除的模型参数估计,建立了观测数据中异常点或强影响点的检验统计诊断量,并给出运用该诊断量进行检验的步骤.文章中的方法不仅能够在一定程度上克服已有方法的某些不足,而且能有效地提高计算结果的准确性,最后实例表明,该统计诊断量是合理有效的.     

艾拉姆咖分布参数变点的统计推断

基于艾拉姆咖分布,利用CUSUM方法,讨论参数θ变点的假设检验与参数估计问题.首先定义参数变点检验统计量Tk,得到检验变点的方法.然后证明变点位置估计的强相合性,同时给出收敛速度.最后利用数值模拟说明检验的合理性和有效性.     

基于block bootstrap的厚尾相依序列均值变点检验

针对无穷方差重尾相依序列的均值变点检验问题,基于序列自正则方法构造CUSUM型统计量,并在原假设下得到其渐近分布,在备择假设下得到检验的容许性。由于其渐近分布依赖于尾指数κ,且考虑到序列之间具有相依性,提出基于残差的block bootstrap方法。蒙特卡洛模拟表明该检验统计量和该抽样方法的有效性。