分位点的序贯置信区间

区间估计有可靠度与精确度2个要素,在某些情况下,为了获得尽可能可靠和精确的估计,必须使用纯序贯置信区间;文章讨论了一般分布分位点的具固定长度与覆盖概率的序贯区间估计,并证明了当区间长度趋于零时抽样的渐近相容性和渐近有效性。     

相依样本条件t-分位数核估计的强收敛速度

在一定条件下,得到了φ混合样本条件t分位数的核估计强收敛速度,即定理　对同分布的φ混合样本(X1,Y1),…,(Xn,Yn)∈Rd×R1,若 X1具有边际密度函数f; 条件分布函数F(y｜x)在(x,θx(t))的邻域内具有连续的密度函数f(y｜x); ∑nφ(n)<∞; h=(n-12logn)1d 1,0相似文献   

相依样本条件t-分位数核估计的强相合性

对φ-混合样本下条件t-分位数θx(t)的核估计θx,n(t)，取消核函数的支撑为紧集的限制，同时放宽对混合系数的要求，研究了其强收敛性，该结果拓宽了核估计θx,n(t)的适用范围。     

一般分布参数固定宽度的序贯置信区间

在区间固定宽度下,设计了参数矩估计的序贯置信区间程序,讨论了参数序贯置信区间的性质,当宽度d趋于零时,研究了N渐近性质,获得了其渐近有效性和渐近相合性等.     

函数型数据下条件分位数的经验似然推断

针对函数型数据下条件分位数的区间估计问题提出应用经验似然方法来构造条件分位数的置信区间,并在适当的条件下得到了经验似然比统计量渐近服从χ~2(1).     

基于相依函数型数据具有稳健性质的条件分位数核估计

文章基于相依函数型数据,通过一种具有稳健性质的方法,研究了条件分位数核估计,避免了采用双核方法中存在的问题;并在一定的条件下建立了估计量的几乎完全收敛的速度,推广了现有文献的结果。     

指数型分布族中矩估计的序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数(θ)函数g(θ)的一个序贯置信区间估计的步骤和方法.并讨论了在一定条件下,当d→0时,估计的渐近相合性、渐近有效性及有界的最优费用差(EN(d)?n(d))等渐近性质.     

基于遍历函数型数据条件分位数估计的相合性

文章利用鞅的方法研究了基于平稳遍历函数型数据条件分位数的非参数估计,在一定的条件下建立了条件分位数估计的相合性,即在遍历数据集下,研究解释变量X取值于某半度量空间而响应变量Y取值于实值空间R时条件分位数的性质;同时给出了相同条件下条件分布函数的相合性和渐近性质,推广了现有文献中的相关结果。     

χ~2分布的分位数讨论及其应用

对于Х^2分布利用序贯试验法中的黄金分割法,研究了其在给定α（0〈α〈1）,满足P（a〈Х^2〈6）=1-α的最短区间问题,并进行了计算．然后对于Х^2分布参数在给定的置信度下,应用上面方法求得了此时的最短置信区间,对上法求得的最短区间与通常所用的置信区间进行比较,得到在小样本情形下优化后的结果能显著提高估计精度．     

附限制条件的序贯平差及方差分量估计公式

矿区控制网的扩建是我国现阶段矿山测量上作的重点,对扩建了的控制网如何进行平差是近年来人们所关心的问题.本文提出了附限制条件的序贯平差法及其相应的Helmert型方差分量估计公式,并以一矿区控制网为实例,说明了该法的应用。文中提出的平差方法同样适合于其它上程控制网扩建时的平差。     

缺失数据下条件分位数的估计及其渐近性质

在响应变量满足随机缺失机制下，利用完全记录单元方法分别给出不含附加信息和含附加信息时条件分位数的估计，并在给定的正则条件下证明估计的渐近正态性．     

随机左截断数据下条件分位数的光滑经验似然推断

应用光滑的经验似然方法来构造随机左截断数据下条件分位数的置信区间． 在一定的条件下,证明了经验似然比统计量渐近服从自由度为1的卡方分布． 模拟数据表明,在构造条件分位数的置信区间时,经验似然方法比正态逼近方法效果更好．     

附加信息下分布函数与分位数估计的渐近性质

对于在附加信息Ｅｇ（Ｘ）＝０下,用经验似然方法所获得的分布函数和分位数估计,给出了这些估计的强相合性,渐近正态性和重对数律,并且说明它们的渐近方差比通常分布函数和分位数估计的渐近方差要小。     

混合序列下分位数估计的强相合及其Bahadur表示

本文在混合序列下,证明了分位数估计的强相合性并给出其Bahadur表示.     

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.      

指数分布参数基于不完全数据的区间估计

本文针对不完全观测数据,讨论了指数分布总体参数的区间估计。主要是利用样本分位数和概率密度函数的核估计来构造枢轴量,并推导出了相应的大样本近似分布,从而得到了总体参数的近似置信区间。而且当精度要求不是特别高的时候,给出了总体参数易于计算的近似置信区间。     

KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。