

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文研究了經(jīng)驗似然方法在負(fù)相伴和刪失數(shù)據(jù)下半?yún)⒛P偷慕y(tǒng)計推斷.主要包含了以下幾方面內(nèi)容.
其一,我們在帶有負(fù)相伴隨機(jī)誤差條件下的部分線性模型中,通過使用大小分塊的經(jīng)驗似然方法,給出了基于估計方程的經(jīng)驗似然比統(tǒng)計量,并證明了該統(tǒng)計量的漸近分布是自由度和未知參數(shù)維度相同的卡方分布.我們可以通過該結(jié)果建立未知參數(shù)的置信域,以及進(jìn)行假設(shè)檢驗.最后,我們通過模擬說明了分塊經(jīng)驗似然比普通經(jīng)驗似然的置信域的覆蓋率更高.
其二,我們
2、對帶有負(fù)相伴隨機(jī)誤差的單指標(biāo)回歸模型進(jìn)行大樣本統(tǒng)計推斷.我們使用的得分函數(shù)是經(jīng)過偏差矯正的.正是由于偏差矯正,使得我們構(gòu)造的經(jīng)驗似然比統(tǒng)計量收斂于一個具有標(biāo)準(zhǔn)卡方分布的隨機(jī)變量,而不是未經(jīng)過偏差矯正的卡方分布的加權(quán)和形式.通過我們的結(jié)果可以對單指標(biāo)模型中的指標(biāo)進(jìn)行置信域的估計.
其三,對于生存分析中經(jīng)常遇到的刪失數(shù)據(jù),我們在隨機(jī)右刪失的情形下,針對部分線性模型進(jìn)行了統(tǒng)計推斷.基于Buckley和James估計量,我們構(gòu)造了得分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半?yún)V模型和缺失數(shù)據(jù)下估計方程的經(jīng)驗似然推斷.pdf
- 半?yún)?shù)回歸模型的經(jīng)驗似然推斷.pdf
- 半?yún)?shù)模型的經(jīng)驗似然統(tǒng)計推斷.pdf
- 32213.刪失數(shù)據(jù)下若干半?yún)?shù)模型的經(jīng)驗似然與懲罰經(jīng)驗似然推斷
- 縱向數(shù)據(jù)半?yún)?shù)混合效應(yīng)模型的廣義經(jīng)驗似然推斷.pdf
- 一類半?yún)?shù)回歸模型的經(jīng)驗似然推斷.pdf
- 非線性回歸模型的經(jīng)驗似然推斷.pdf
- 經(jīng)驗似然推斷的若干研究.pdf
- 尾期望的經(jīng)驗似然推斷.pdf
- 38626.時間序列模型的經(jīng)驗似然推斷
- 相依誤差下線性模型的經(jīng)驗似然推斷.pdf
- m-相依誤差下非線性半?yún)?shù)模型的經(jīng)驗似然推斷.pdf
- 有限混合模型的似然推斷.pdf
- 半?yún)?shù)模型基于經(jīng)驗似然的統(tǒng)計診斷
- 半?yún)?shù)模型基于經(jīng)驗似然的統(tǒng)計診斷.pdf
- 響應(yīng)變量存在缺失時非線性半?yún)?shù)回歸模型的經(jīng)驗似然推斷.pdf
- 缺失數(shù)據(jù)下兩類回歸模型的經(jīng)驗似然推斷.pdf
- 18349.非線性變系數(shù)模型的經(jīng)驗似然推斷
- 缺失數(shù)據(jù)情形三類統(tǒng)計模型的經(jīng)驗似然推斷.pdf
- 41373.數(shù)據(jù)缺失時部分線性模型的經(jīng)驗似然推斷
評論
0/150
提交評論