具有部分缺失数据时两个帕斯卡分布的估计和检验

讨论了具有部分缺失数据下两个帕斯卡分布总体的参数估计和关于总体相同的似然比检验,证明了总体参数估计量的强相合性与渐近正态性,同时给出了似然比检验统计量的极限分布.     

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.     

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.     

不等式假设的似然比检验

本文给出用似然比检验不等式假设的一种方法.当假设由一组不等式给定时,不能应用Wilks的关于极大似然比(MLR)的极限分布去检验.本文采用一种方法,使得Wilks的关于似然比的极限分布的结论仍可用于检验此类假设.我们通过将上述复合假设分成若干个较简单的子假设以达到检验的目的.以前,这种假设都用x2-统计量来检验.与之相比,我们的检验统计量简单,计算量小.通过对两种检验的功效比较可知,绝大多数情况下,我们的检验有较大的功效.在一个正态分布的例子中我们给出了检验的具体结果及模拟比较结果.     

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.     

含辅助信息的最小非参似然比估计和检验

当前,拟合优度检验已经比较完善,但仍存在对总体分布已有信息利用不足或者直接丢掉这部分信息的问题.为了实现对已有信息的充分利用,首先借助经验似然的思想与最小非参似然比统计量的形式,给出含辅助信息的最小非参似然比统计量;然后利用最小非参似然比估计与检验性质的研究方法,得到含辅助信息的最小非参似然比估计量,并考察检验统计量的相合性、稳健性,同时得到其在复合零假设下的极限分布.这些结论在一定程度上可以丰富和完善拟合优度检验与非参数估计的一些理论.     

缺失数据下强混合样本情形的经验似然

在强混合样本完全随机缺失情形,本文利用随机补足后得到的"完全样本"对总体均值进行经验似然推断,证明了经验似然比统计量的极限分布为卡方分布。     

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.     

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。     

一类空间面板数据模型的经验似然推断

本文研究含空间自回归和空间误差自回归的时变系数空间面板数据模型的经验似然推断.利用鞅差序列将估计方程中的二次型转化为线性形式,构造模型参数的经验似然比统计量,并在一定条件下证明统计量的极限分布为卡方分布.     

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.     

数据缺失下线性EV模型响应变量均值的经验似然置信区间

考虑了响应变量随机缺失情形下的线性EV模型,构造了响应变量均值的两种经验对数似然比统计量,即估计的经验对数似然比统计量和调整的经验对数似然比统计量,证明了所构造的经验似然比统计量渐近于χ2分布,所得结果可以用来构造置信区间.     

矩约束条件下的广义经验似然

讨论矩约束条件下的广义经验似然比统计量族以及相应的性质。此统计量实际上是B aggerly(1998)所介绍的广义经验似然比统计量的一种推广。在一定条件下,证明了此分布族中的统计量与Ow en(1988)和Q in and L aw less(1994)的经验似然是一阶渐近等价的。因此,这些统计量的分布均是渐近于2χ分布,相应的估计也都满足相合性和渐近正态性。     

φ-混合样本下分位数的经验似然置信区间

在一定的条件下证明了φ-混合样本下分位数的分组经验似然比统计量的渐近分布为χ(21),由此可构造分位数的经验似然置信区间。     

负相协样本多维边际密度的经验似然推断

研究负相协样本多维边际密度函数的经验似然置信区间的构造,证明了负相协样本多维边际密度函数的分组经验似然比统计量的极限分布为卡方分布,由此结果可构造多维边际密度函数的经验似然置信区间.     

相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

截断情况下回归函数的经验似然推断

讨论在数据截断情况下回归函数的经验似然比置信区间的统计推断．其中，响应变量的估计采用class k估计，响应随机变量和删失随机变量的分布函数用其对应的K-M函数替代，得到调整的对数似然比统计量渐近x1^2分布的结果．     

复生长曲线模型中的球性检验问题

给出复情形下生长曲线模型球性检验似然比统计量与原假设相近的两类备择假设下的非零渐近分布。     

相对熵密度似然比的极限性质

对任意的可列集上的信息源，探讨信息论的一个重要问题，即探讨了相对于独立型几何分布的焖密度似然比与对数似然比的极限性质，获得两个用不等式表示的强极限定理。     

空间自回归模型的经验欧氏似然推断

通过鞅差序列将空间自回归模型的估计方程中的二次型转化为线性形式，构造了空间自回归模型的参数的经验欧氏似然比统计量，并证明该统计量渐近服从卡方分布。