同时统计推断论文_朱海江

导读:本文包含了同时统计推断论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:渐近,样本,密度,函数,经验,推断,序列。

同时统计推断论文文献综述

朱海江^[1]（2014）在《相协样本下密度函数在有限个点处的同时统计推断》一文中研究指出Esary et al.在1967年首先提出了正相协随机变量PA(positively associated)的概念,1983年,Joag-Dev and Proschan提出了负相协随机变量N A (negatively associ-ated)的概念,我们把PA样本和NA样本统称为相协样本.相协样本引起了许多统计学家的关注,并把它广泛应用于可靠性理论,流体力学,时间序列模型,生态系统研究,临床医学研究等领域.本文研究了相协样本下密度函数在有限个点处的同时统计推断,运用分组技术证明了密度函数核估计在有限个点处的联合渐近分布为多维正态分布.将Qin etal.[3]和Xiong and Lin关于密度函数核估计的结论从单点推广到多点情形,证明了密度函数在有限个点处的对数经验似然比统计量的极限分布为卡方分布,由此构造了相协样本下密度函数在有限个点处的联合经验似然置信域.同时我们对密度函数在任意两点之差的经验似然置信区间做了数据模拟,模拟结果显示,利用该方法构造的密度函数任意两点之差的经验似然置信区间的覆盖率要优于正态逼近得到的置信区间的覆盖率.本文具有以下叁点创新：1.运用分组技术证明了密度函数核估计在有限个点处的联合渐近分布为多维正态分布.2.将密度函数的结论从单点推广到多点情形,证明了密度函数在有限个点处的对数经验似然比统计量服从卡方分布,并构造了相协样本下密度函数在有限个点处的联合经验似然置信域.3.构造了相协样本下密度函数在任意两点之差的经验似然置信区间.(本文来源于《浙江师范大学》期刊2014-05-01）

卢维学^[2]（2014）在《φ-混合样本下分布函数在有限个点处的同时统计推断》一文中研究指出Ibragimov首次提出了Φ-混合的概念,并对其进行研究,Cogburn也对此混合序列进行了相关研究.Φ-混合的概念作为序列弱相关的衡量尺度在金融时间序列数据的相关研究中被广泛使用,Bradley就Φ-混合情形和其他经常使用的混合情形给出了很好的综述.由于Φ-混合序列的广泛应用,进而Φ-混合随机序列和的收敛性分别被Utev(1990),Chen(1991),Herrndorf(1983),Peligrad(1985),Sen(1971,1974),Shao(1993)和Wanget a1(2009)等研究.利用经验似然(EL)方法求置信区间是在Owen(1988)首先正式提出的,经过大量研究得出结论,经验似然方法与其他常见的统计推断方法相比较,具有较多的优势-如域保持性、变换不变性等性质,并且所求得的置信域的形状完全是由数据诀定,无需构造轴统计量.Owen(1990)也进一步在独立同分布情形下构造了随机向量的经验似然置信域.但我们注意到上述的普通的EL只适用于独立样本情形,而不适用于混合相依样本.Kitamura(1997)首次提出了运用大小分组的经验似然的方法来构造混合样本下参数的置信区间,Chen and Wong(2009)运用上述同样的方法构造了Φ-混合样本下分位数的置信区间.概率密度函数核估计原理是Rosenblatt率先提出的,而分布函数核估计的思想是通过借助密度函数核估计的思想类似得到的.下面我们主要是运用blockwise分组经验似然方法来构造Φ-混合样本下分布函数核估计在有限个点处的联合渐近分布及其经验似然比统计量,结果表明联合渐近分布服从多元的正态分布,blockwise分组经验似然比统计量渐近服从χ2/p-分布,最后利用数值模拟,将联合渐近正态所求得的置信域与经验似然方法所求得的置信域进行比较.本文的主要研究内容如下：1.第一章主要介绍Φ-混合序列的研究概况,经验似然的研究发展过程及现状,分布函数核估计的研究.2.第二章利用大小分块方法证明了,在平稳条件下Φ-混合样本下分布函数在有限个点处的核估计的联合渐近分布为多元正态分布.3.第叁章结合第二章渐近正态的结论和分块经验似然方法,进一步证明了在Φ-混合样本下,分布函数在有限个点处的经验似然比统计量的极限分布.本文的创新之处主要体现在：1.本文首次构造了在Φ-混合样本下,分布函数在有限个点处的联合渐近分布,并进一步证明了Φ-混合样本下分布函数核估计在有限个点处的经验似然比统计量的极限分布,并通过上述结果构造分布函数核估计在有限个点处的联合经验以然置信域.2.本文的研究方法及结果对于得到更一般的混合情形卞分布函数核估计在有限个点处的联合渐近分布以及构造分布函数在有限个点处的联合置信域等有一定的借鉴作用.(本文来源于《广西师范大学》期刊2014-05-01）

吴金蔚^[3]（2014）在《ф-混合样本下密度函数在有限个点处的同时统计推断》一文中研究指出Ibragimov [Some limit theorems for stochastic processes stationary in the strict sense, Dokl.Akad.Nauk SSSR.125(1959)：711-714.]最先引入了φ-混合的概念,并进行研究.φ-混合的概念作为衡量弱相关的尺度,被广泛应用于时间序列文献中,许多文献研究了φ-混合随机变量和的收敛性.Bradley [Basic properties of strong mixing conditions:a survey and some open questions. Probability surveys.2(2005),107-144]给出了φ-混合情形和其它常见混合情形的一个较好的综述.为了构造感兴趣参数的置信区间(域),Owen [Empirical likelihood ratio confidence intervals for a single functional. Biometrika,75(1988):237-249.]提出了经验似然(EL)方法,经过研究发现,与其它常见统计方法(如正态逼近法等)相比,EL方法有许多显着优点.本文研究了φ-混合样本下在有限个点处密度函数核估计的联合渐近分布和经验似然推断,证明了密度函数核估计的联合渐近分布为正态分布,作为该结果的一个应用,还给出了任意两个点处的密度函数的差的联合渐近分布；在经验似然的讨论过程中,运用分组技术,证明了在有限个点处的密度函数的对数经验似然比统计量的渐近分布为χ2分布,由此构造出有限个点处的密度函数的经验似然置信域.本文的特色体现在以下叁个方面：1.将李俊云的硕士论文中φ-混合样本下密度函数的经验似然推断推广到有限个点处经验似然统计推断情形,扩大了经验似然方法的适用范围.2.本文证明了在有限个点处的密度函数核估计的联合渐近分布为正态分布,作为该结果的一个应用,还给出了任意两个点处的密度函数核估计的差的联合渐近分布.3.本文的研究方法对构造更一般的混合情形的置信域具有一定的参考价值.(本文来源于《广西师范大学》期刊2014-05-01）

同时统计推断论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

Ibragimov首次提出了Φ-混合的概念,并对其进行研究,Cogburn也对此混合序列进行了相关研究.Φ-混合的概念作为序列弱相关的衡量尺度在金融时间序列数据的相关研究中被广泛使用,Bradley就Φ-混合情形和其他经常使用的混合情形给出了很好的综述.由于Φ-混合序列的广泛应用,进而Φ-混合随机序列和的收敛性分别被Utev(1990),Chen(1991),Herrndorf(1983),Peligrad(1985),Sen(1971,1974),Shao(1993)和Wanget a1(2009)等研究.利用经验似然(EL)方法求置信区间是在Owen(1988)首先正式提出的,经过大量研究得出结论,经验似然方法与其他常见的统计推断方法相比较,具有较多的优势-如域保持性、变换不变性等性质,并且所求得的置信域的形状完全是由数据诀定,无需构造轴统计量.Owen(1990)也进一步在独立同分布情形下构造了随机向量的经验似然置信域.但我们注意到上述的普通的EL只适用于独立样本情形,而不适用于混合相依样本.Kitamura(1997)首次提出了运用大小分组的经验似然的方法来构造混合样本下参数的置信区间,Chen and Wong(2009)运用上述同样的方法构造了Φ-混合样本下分位数的置信区间.概率密度函数核估计原理是Rosenblatt率先提出的,而分布函数核估计的思想是通过借助密度函数核估计的思想类似得到的.下面我们主要是运用blockwise分组经验似然方法来构造Φ-混合样本下分布函数核估计在有限个点处的联合渐近分布及其经验似然比统计量,结果表明联合渐近分布服从多元的正态分布,blockwise分组经验似然比统计量渐近服从χ2/p-分布,最后利用数值模拟,将联合渐近正态所求得的置信域与经验似然方法所求得的置信域进行比较.本文的主要研究内容如下：1.第一章主要介绍Φ-混合序列的研究概况,经验似然的研究发展过程及现状,分布函数核估计的研究.2.第二章利用大小分块方法证明了,在平稳条件下Φ-混合样本下分布函数在有限个点处的核估计的联合渐近分布为多元正态分布.3.第叁章结合第二章渐近正态的结论和分块经验似然方法,进一步证明了在Φ-混合样本下,分布函数在有限个点处的经验似然比统计量的极限分布.本文的创新之处主要体现在：1.本文首次构造了在Φ-混合样本下,分布函数在有限个点处的联合渐近分布,并进一步证明了Φ-混合样本下分布函数核估计在有限个点处的经验似然比统计量的极限分布,并通过上述结果构造分布函数核估计在有限个点处的联合经验以然置信域.2.本文的研究方法及结果对于得到更一般的混合情形卞分布函数核估计在有限个点处的联合渐近分布以及构造分布函数在有限个点处的联合置信域等有一定的借鉴作用.

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。