具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

核实数据下响应变量缺失的线性模型均值估计

借助核实数据,构造了回归系数的最小二乘估计,然后用借补方法和加权借补方法估计响应变量的均值,最后证明了估计量的渐近正态性。     

有随机约束的混合回归模型，随机约束岭型估计

对有随机约束的混合回归模型加以改进，并提出了在此回归模型下，回归系数的一种有偏估计——随机约束岭型估计，证明了在一定条件下，在均方误差意义下优于随机约束最小二乘估计。     

m（n）相依样本回归函数改良近邻估计的强相合性

研究同分面ｍ（ｎ）相依样本序列回归函数改良近邻估计的强相合性，同时给出改良近邻估计的强收敛速度。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.     

响应变量随机删失时函数型非参数分位数回归模型的估计

文章在响应变量随机删失时,研究了函数型非参数分位数回归模型,通过极小化逆概率加权分位数损失函数,构造模型中未知非参数函数的估计量。在一定的条件下,获得估计量的渐近正态性;通过模拟研究,验证了估计量的有效性。     

协变量缺失的乘积模型的加权LPRE估计

针对协变量随机缺失的乘积模型,结合逆概率加权(inverse probability weight, IPW)、绝对乘积相对误差(least product relative error, LPRE)及非参数核估计方法,研究该模型中参数的估计问题。在一定的条件下,证明了提出的估计具有渐近正态性。最后,通过随机实验检验了新方法的有限样本表现。     

几类k阶Stein函数的Lp模估计

提出了两类k(k∈N )阶Stein函数,在讨论其与k阶Littlewood-Paley函数的关系的基础上,建立了2≤p<∞时两类k阶Stein函数的Lp模估计.     

缺失数据下线性模型响应变量均值估计的渐近正态性

考虑响应变量随机缺失下线性模型响应变量均值的估计问题,分别获得了基于完全观测样本数据、线性回归插补后的“完全样本”和逆概率加权插补后的“完全样本”得到的响应变量均值估计,并证明了其渐近正态性．     

定数截尾数据缺失场合下k(m)/n系统可靠性指标的Bayes估计

在定数截尾缺失数据样本下,研究了不可修中取串连续失效系统(简记为k(m)/n系统)的可靠性评估问题。利用Bayes方法得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的Bayes估计。最后利用随机模拟例子说明了本文方法的正确性和可行性。     

Dedekind函数k次方ψ^k（n）的均值估计

设ψ（ｎ）是Ｄｅｄｅｋｉｎｄ函数，给出了ｋ是自然数且ｋ≥２时的ψｋ（ｎ）的算术均值：ｎ≤ｘψｋ（ｎ）＝ｃ０ｘｋ＋１＋Ｏ（（ｘｌｏｇｘ）ｋ（ｌｏｇｌｏｇｘ）ｋ－１２），ｎ≤ｘ１ψｋ（ｎ）＝ｃ１＋ｃ２ｘｋ－１＋Ｏ１ｘｋ（ｌｏｇｘ）ｋ．     

响应变量缺失情形下非线性EV模型的估计

考虑了响应变量随机缺失情形下的非线性EV模型.通过利用核实数据,构造了响应变量均值θ的调整的经验对数似然比统计量.证明了所构造的经验对数似然比统计量渐近于标准χ2分布,所得结果可以用来构造未知参数的大样本置信区间.     

随机设计下回归函数模型变点的小波估计

研究在随机设计下对含有单个跳跃点的回归函数的小波估计。将随机设计通过变换转换成等距设计,在等距设计下利用单个跳跃点和跳跃度的估计量,构造出含有单个变点的回归函数估计。数值分析比较结果显示：该方法不仅保持了尖点附近的良好性质,而且在跳跃点附近也有效地避免了吉布斯现象。     

相依样本下条件密度近邻—核估计的强相合性及强收敛速度

本文在样本序列{Xi,Yi),i≥1}为同分布的φ－混合的情形下，讨论了条件密度近邻一核估计fn(Y|X)的强相合性和它的强收敛速度。     

基于相依函数型数据条件均值函数估计的渐近性质

文章利用熵的方法研究了基于函数型数据的条件均值函数估计的一致收敛速度,在一定条件下获得了基于相依函数型数据的条件均值函数估计量的几乎完全一致收敛速度,推广了I.I.d场合下或某些相依情形下的的逐点收敛速度.     

有随机约束的混合回归模型,随机约束岭型估计

~~有随机约束的混合回归模型,随机约束岭型估计@富月$渤海大学数学系!辽宁锦州121000~~~~~~     

定数截尾数据缺失场合下k(m)/n系统可靠性指标的经验Bayes估计

在定数截尾缺失数据样本下,研究了不可修n中取m串连续k失效系统(简记为k(m)/n系统)的可靠性评估问题.利用Bayes方法和极大似然估计法得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的经验Bayes估计.最后利用随机模拟例子说明了本文方法的正确性和可行性.     

单指标时间序列模型参数估计

讨论了时间序列模型E(Y︱X)=G(θ^TX)的参数估计.采用核估计方法和平均导数法,在数据为户混合相依的情况下证明了该估计的渐近正态性.     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果 使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现：不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到...