最大似然估计的重对数律

讨论了最大似然估计的渐近性质；利用Ｔａｙｌｏｒ展开和Ｈａｒｔｍａｎ－Ｗｉｎｔｎｅｒ定理，证明了最大似然估计满足对数律。     

最大似然估计的重对数律

讨论了最大似然估计的渐近性质,利用Taglor展开和Havtman-Wintner定理,证明了最大似然估计满足重对数律。     

双向截尾情况下最大似然估计的渐近正态性

本文讨论了左截断右删失情况下最大似然估计的大样本性质，在一定的条件下证明了最大似然估计具有渐近正态性。     

广义线性模型中拟似然估计的弱相合性及渐近正态性

对于多维广义线性模型,q×l响应变量yi是可观测的,协变量xi是已知p×q固定设计的情形,研究了在自然联系情形下的拟似然方程n∑i=1xi(yi-h(xiτβ))的解(^βn).用压缩映射,证明了拟似然方程的解(^βn)在(λ-n)→ ∞及其它正则条件下的弱相合性,.将独立随机变量情形推广到了任意随机变量;在独立的情形...     

GEE下经验似然估计的渐近正态性质

在较弱的限制条件和不服从独立同分布的情况下,分析含有参数信息的广义估计方程下的经验似然方法。首先给出较易验证的假设条件和正态收敛法则等引理及其证明,其次在较弱条件下给出经验似然估计存在性、相合性和渐近正态分布等的理论验证,结果表明经验似然比L_E(β)在条件范围内几乎处处收敛到经验似然比最小值L_E(■)且经验似然估计参数表达式■渐近高维正态分布等,使得对于GEE下经验似然估计的相合和渐近正态等性质有了更为准确,更易满足现实模型的理论结果。最后运用R语言运行统计模拟,发现经验似然方法比广义估计方程方法回归拟合度更理想。     

缺失数据下广义线性回归拟似然估计的相合性和渐近正态性

研究了形如L(β)=Σ1Zi(yi-μ(ZiTβ))=0的拟似然方程在协变量数据有缺失时,方程未知参数估计的相合性和渐近正态性.假设存在协变量数据完整的一个有效样本,且是总样本的一个简单随机子样本,基于EM算法,提出了一种新的处理协变量中有不完整数据的拟似然方程的求解法,即通过有效数据线性预测补足协变量数据缺失部分,并...     

对数线性Gamma分布模型极大似然估计的渐近正态性

在(sum (Z_iZ_i′) from i=1 to n)-1→0且Z_n′(sum (Z_iZ_i′) from i=1 to n)-1 Z_n→0等条件下证明了联系函数是对数函数Gamma分布模型回归参数极大似然估计的渐近正态性,其中Zi,i=1,2,…,n,是协变量.     

双向截尾情况下最大似然估计的强相合性

讨论了双向截尾情况下分布参数的最大似然估计的渐近性质，证明了最大似然估计具有强相合性。     

多维广义线性模型极大拟似然估计的渐近正态性

对固定设计的多维广义线性模型, 在λ(1/2/n)(1)/(2)λn/n→0和其他一些正则性条件下,证明了自然联系函数下的拟似然方程n∑i=1xi(yi-μ(x′iβ))=0 的解β^n即拟似然估计的渐近正态性, 其中,λn(λn) 表示∑ni=1xix′i的最小(最大)特征根, xi是有界的p×q回归变量,yi 是q×1响应变量.     

Hartman-Wintner叠对数律的一个简单证明

本文给出从Kolmogorov迭对数律推导著名的Hartman-Wintner叠对数律的一个简单而且初等的方法。     

重对数律与局部鞅渐近性的一个注记

给中续中鞅关于重对数律的不变原理，并得到随机微分方程的一个渐近定理。     

鞅差序列重对数律的精确渐进性

设{Xn;n≥1}为均值为零,方差有限的同分布鞅差序列.记Sn=∑nk=1Xk,Mn=max k≤n|Sk|,n≥1.假设σ2=EX12.本文讨论了,当ε→0时,P(Mn≥εσ2nloglogn~(1/2))的一类加权级数的精确渐近性质.这些性质与重对数律的速度有关.     

非齐次泊松过程中向量参数极大似然估计的重对数律

对于具有向量参数的非齐次泊松过程的一般模型,论证了向量参数极大似然估计每个分量的收敛速度符合重对数律。     

行-列可交换随机变量组列的迭对数律

本文运用逆鞅方法给出了行-列可交换随机变量无限组列的迭对数律.     

马氏环境中马氏链泛函的重对数律

本文研究了具有离散参数的马氏环境中马氏链的性质,建立了马氏环境中马氏链泛函的重对数律,同时给出加在链和过程样本函数上的充分条件。     

B－值随机变量序列尾和的重对数律

本文利用Ｌｅｄｏｕｘ和Ｔａｌａｇｒｘｎｄ的Ｉｓｏｐｅｒｉｍｅｔｒｉｃ方法，将尾和形式的Ｋｏｌｍｏｇｏｒｏｖ重对数律推广到Ｂ－值随机变量序列情形，进而得到一般形式Ｂ－值随机变量序列的尾和重对数律，同时对独立同分布Ｂ－值随机变量序列得到了配重尾和的重对数律。     

更新过程中分布参数MLE的重对数律

本文我们进一步讨论更新过程中间隔分布多数的最大似然估计（ＭＬＥ），特别对其收敛速度作了研究，证明了其收敛于真值的速度符合重对数律，并对渐近正态性也作了讨论。     

不完全数据下分布函数MLE的大样本性质

在生存分析与可靠性研究中,对既有右删失,又有左删失的不完全数据,Turnbull于1974年给出了分布函数的最大似然估计。在观测数据是以分组形式得到的情形下,本文证明了此估计量的强相合性、渐近正态性和重对数律,并给出了渐近协差阵的矩阵表达式及重对数律中收敛速度的精确上限。     

P^＊-混合序列重对数律的收敛速度

利用截尾、矩不等式、矩和级数收敛的关系、Borel—Cantelli引理等研究了P^＊-混合序列{X,,i∈Z^d＋}重对数律的收敛速度,在较弱的矩条件下得到了与独立同分布（i．i．d）实值随机变量序列类似的结果,同时给出了P^＊-混合序列重对数律收敛速度的一种描述．