版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、經驗似然方法足以和經典方法如正態(tài)近似理論以及當前比較流行的方法如Boot-strap與Jackknife相媲美.和Bootstrap與Jackknife一樣,經驗似然方法不用預先給定數(shù)據所屬的分布族.又和參數(shù)似然方法類似,經驗似然置信域的形狀自動由數(shù)據決定而不用預先給定,而只有相當復雜的Bootstrap方法才能做到讓數(shù)據決定置信域的形狀.而且經驗似然置信域具有Bartlett可修正性,也就是說,簡單的對經驗似然比統(tǒng)計量進行均值調整可以
2、將置信域覆蓋誤差的階從O(n<'-1>)降到O(n<'-2>),這里n表示樣本容量,而通常Bootstrap置信域的覆蓋誤差只能通過Bootstrap迭代的來降低.另外,Bootstrap-t方法需要尺度的穩(wěn)健估計,加速偏差修正(accelerated bias correction)方法需要估計偏度,而經驗似然比置信域不需要估計尺度或者偏度.經驗似然比置信域甚至不需要構造樞軸量,因此在樞軸量比較難構造時尤其有效,比如要求隨機變量相關系
3、數(shù)的置信區(qū)間,我們知道相關系數(shù)的方差很難估計,因此樞軸量很難構造.而且經驗似然比置信域具有保值域性和函數(shù)變換不變性,比如隨機變量相關系數(shù)的置信區(qū)間總是位于區(qū)間[-1,1]中,參數(shù)θ的函數(shù)g(θ)的經驗似然比置信域等于g作用于θ的經驗似然比置信域.這些優(yōu)勢通常都是Bootstrap所不具備的.經驗似然方法可以看成是不需要重復抽樣的Bootstrap方法和不需要做參數(shù)假設的似然方法.該文對經驗似然的理論和應用進行了詳細的闡述.在第一節(jié)中我們
4、回顧了參數(shù)似然的一些性質,如x<'2>收斂性,Bartlett可修正性和函數(shù)變換不變性等.在隨后的幾節(jié)我們將看到經驗似然也具有這些性質.在第二節(jié)我們給出了非參似然與經驗似然比的定義.在第三,四節(jié)我們分別給出了均值及其光滑函數(shù)的經驗似然理論與計算方法.第五節(jié)我們給出了經驗似然置信域的幾個改進辦法,比如在樣本容量比較小時用F分布臨界值代替x<'2>分布臨界值,x<'2>分布臨界值的Bartlett修正和它的Bootstrap估計方法.通常由
5、經驗似然給出的雙邊置信區(qū)間與單邊置信區(qū)間的覆蓋誤差階分別為O(n<'-1>)與O(n<'-1/2>),Bartlett修正將雙邊置信區(qū)間的覆蓋誤差降為O(n<'-2>)而單邊置信區(qū)間的覆蓋誤差仍然為O(n<'-1/2>),通過對符號根糾正我們可以將它降為O(n<'-1>).第六節(jié)我們將經驗似然與估計方程結合起來,給出了通過似然方程定義的參數(shù)的經驗似然方法.在最后兩節(jié)我們給出了其它具有x<'2>收斂性質的非參似然比如Euclidean似然
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 經驗似然縱向數(shù)據的似然.pdf
- 經驗似然方法的若干應用.pdf
- 廣義經驗似然方法及其應用.pdf
- 尾期望的經驗似然推斷.pdf
- 經驗似然推斷的若干研究.pdf
- 經驗似然模型設定檢驗.pdf
- 32213.刪失數(shù)據下若干半參數(shù)模型的經驗似然與懲罰經驗似然推斷
- 經驗似然方法及基因表達調控網絡應用.pdf
- 半參模型的經驗似然推斷.pdf
- 29374.部分線性模型的基于擬似然函數(shù)的經驗似然估計
- 基于經驗似然的早期故障檢測及應用研究.pdf
- 廣義線性模型的經驗似然方法.pdf
- 基于經驗似然的單邊假設檢驗.pdf
- 穩(wěn)健的經驗似然推斷方法在縱向數(shù)據中的應用.pdf
- 基于經驗似然的條件分布函數(shù)的估計.pdf
- 部分線性模型的經驗似然比檢驗.pdf
- 關于經驗似然方法的一些研究.pdf
- 幾類半參數(shù)經驗似然檢驗問題的研究.pdf
- 非線性回歸模型的經驗似然推斷.pdf
- 半參數(shù)回歸模型的經驗似然推斷.pdf
評論
0/150
提交評論