导读:本文包含了相协样本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:样本,渐近,密度,函数,经验,导数,刻度。
相协样本论文文献综述
黎玲,赵亚玲,沈小欣,秦永松[1]（2018）在《相协样本下Wilcoxon两样本统计量的渐近分布》一文中研究指出研究了相协样本下Wilcoxon两样本统计量的渐近分布的问题.利用Hoeffding分解方法,获得了相协样本下Wilcoxon两样本统计量的渐近分布为正态分布的结果,推广了负相协样本下Wilcoxon两样本统计量的渐近分布的结果.(本文来源于《高校应用数学学报A辑》期刊2018年02期）
童恩涛[2]（2016）在《相协样本下刻度指数族参数的经验Bayes估计及检验问题》一文中研究指出我们知道刻度指数族是一类覆盖范围较为广泛的分布族,例如指数分布,Weibull分布,Gamma分布都与此紧密相关；并且在工业可靠性,精算和生存分析等领域也有广泛应用。自经验Bayes (EB)方法被引入后,已有很多文献讨论了相协样本下刻度指数族参数的EB估计及检验问题,且大部分文献所讨论的情形都是在独立同分布样本下进行的,然而在处理实际问题时,我们所遇到的样本往往并不独立,比如在渗透性论和可靠性理论中所遇到的样本常常是具有某种相关性,正相协(PA)和负相协(NA)随机样本就是两种常见的相依样本,因此在相协样本下对刻度指数族参数的EB估计及检验问题进行研究具有理论价值和现实意义。本文在第一章绪论部分介绍了Bayes方法的原理以及EB方法,接着介绍了刻度指数族中EB方法的研究进展及现状,简略介绍本文的结构和内容。本文第二章是在已有的研究基础上,在PA样本下研究刻度指数族参数的渐近最优的EB估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子。本文第叁章在PA样本下,基于加权乘积损失函数研究刻度指数族中参数的EB双边检验问题。对其概率密度函数及其导函数利用核估计的方法构造EB检验函数且证明了此估计的渐近最优性,同时获得其收敛速度,最后列举一个例子。(本文来源于《安徽工程大学》期刊2016-06-08）
朱海江[3]（2015）在《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》一文中研究指出研究相协样本下密度函数在有限个不同点上的联合经验似然置信域的构造,证明了相协样本下密度函数在r个不同点上的联合经验似然比统计量的极限分布为χr2,由此结果构造密度函数在r个不同点上的联合经验似然置信域。(本文来源于《丽水学院学报》期刊2015年02期）
沈小欣[4]（2015）在《相协样本下的似然比检验和拟合优度检验》一文中研究指出本文研究相协样本下多维参数空间情形的假设检验问题,在较一般的条件下,得到了似然比统计量以及拟合优度统计量的渐近分布,全文分为叁个章节：第一章为绪论,分别介绍了相协样本的研究概况,似然比统计量的研究进展,拟合优度统计量的研究进展以及本文研究内容和创新点.第二章研究相协样本下似然比检验统计量的渐近分布.本文借鉴独立样本下的似然函数形式,在简单原假设和复合原假设两种情况下分别给出了似然比统计量的具体形式,并讨论它们的渐近分布,最终得到两种情况下的渐近分布都为加权χ2—分布,其较好的模拟结果也体现了结论的实际价值.第叁章研究相协样本下拟合优度检验统计量的渐近分布.根据样本总体的分布是否含参数,我们分两种情况分别构造检验统计量,借助幂等阵的特殊性质化简矩阵的秩,从而得出两种情况下拟合优度统计量的渐近分布都为加权χ2—分布.本文的创新性体现在如下叁个方面：1.巧妙地运用一维参数下的相关结论,借助多维向量的泰勒展开和对称非负定矩阵的分解,将一维参数下的结论推广到多维参数的一般情况.2.通过数据模拟比较,体现了相协样本下似然比统计量的渐近分布有其实际价值.3.借助幂等阵的特殊性质化简矩阵的秩,从而得到了拟合优度统计量渐近分布的具体形式.(本文来源于《浙江师范大学》期刊2015-03-01）
朱海江[5]（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）
缪芳[6]（2014）在《相协样本下分布函数在有限个点处的统计推断》一文中研究指出1967年,Esary et al.[1]提出了PA (positively associated)随机变量序列的概念,1983年,Joag-Dev和Proschan[2]提出了NA (negatively associated)随机变量序列的概念,我们把PA随机变量和NA随机变量统称为相协随机变量.由于实际应用中相协样本大量出现,故大量文献针对相协样本做了相关研究并得出了许多重要结果.Owen[3,4]在1988年提出了经验似然方法,结果显示此方法相较于其他常见的统计推断的方法(如bootstrap)具有许多明显的优势.本文研究了相协样本下分布函数的核估计在有限个点处的联合渐近分布,证明了该联合渐近分布为多维正态分布,随后将分组方法[5]应用到经验似然方法中,证明了NA样本下,分布函数在有限个点处的对数经验似然比统计量的渐近分布为卡方分布,由此构造了NA样本下分布函数在有限个点处的联合经验似然置信域.借助分布函数在有限个点处的联合经验似然置信域,我们构造了分布函数在任意两点差的经验似然置信区间.利用Matlab做数据模拟后发现,在有限的样本下,分布函数在任意两点差的经验似然置信区间具有较好的覆盖概率.本文在理论上有以下两点创新：1.将分布函数的核估计从单点推广到多点情形,证明了在相协样本下,分布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.将分布函数的经验似然推断从单点推广到多点情形,采用分组方法证明了NA样本下,分布函数在有限个点处的对数经验似然比统计量的渐近分布为卡方分布,并构造了相应的联合经验似然置信域.(本文来源于《浙江师范大学》期刊2014-05-01）
李英华[7]（2014）在《相协样本下分位数的核估计在有限个点处的联合渐近分布（英文）》一文中研究指出本文研究分位数的核估计在有限个不同点上的联合渐近分布.在相协样本下,构造分位数在有限个不同点上的核估计,并在适当的条件下证明所构造的估计的渐近正态性.最后还获得任意两个分位数差异的估计的渐近分布,推广现有文献中的相关结果.(本文来源于《应用数学》期刊2014年02期）
朱海江,缪芳,秦永松[8]（2013）在《相协样本下密度核估计的联合渐近分布》一文中研究指出证明了相协样本下密度函数的核估计在有限个不同点上的联合渐近分布为多维正态分布.(本文来源于《数学研究》期刊2013年03期）
王美玲[9]（2013）在《基于负相协随机样本的密度导数的小波估计》一文中研究指出小波分析的一个重要应用是非参数估计.当随机样本独立时,Donoho等人对密度函数的研究已经取得了近乎完美的成果(见D. Donoho, I. Johnstone, G. Kerky-acharian, D. Picard. Density estimation by wavelet thresholding. Ann. stat,1996,24:508－539).在这一工作的基础上,王慧颖在她的博士论文中利用非标准型算子讨论了密度导数的小波估计,并证明在某种情况下还是最优(次优)的.由于在实际应用中,随机样本总是存在某种相关性.负相协是特别重要的一类,Rao, Chaubey等人在这方面做了大量工作,但结果不够精细.本文在这一方向做了尝试.我们首先给出密度函数导数的线性小波估计,其结果优于Chaubey等人的定理(见Y. P. Chaubey, H. Doosti, B. L. S. Prakasa Rao. Wavelet based estimation of the derivative of a density for a negatively associated process. Proceedings of The9th Islamic Countries Conference on Statistical Sciences,2007);其次借鉴Donoho等人的工作,研究密度函数的非线性小波估计；最后利用非标准型表示讨论了密度导数估计.当随机样本退化为独立情形时,我们的结果等同于Liu和Wang的定理(见Youming Liu, Huiying Wang. Wavelet estimations for density derivatives. Science China (Mathematics). Vol.56, No.3,483-495,2013).(本文来源于《北京工业大学》期刊2013-06-23）
秦永松,杨翠莲[10]（2012）在《负相协样本多维边际密度的经验似然推断》一文中研究指出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。(本文来源于《广西师范大学学报(自然科学版)》期刊2012年03期）
相协样本论文开题报告
（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：
我们知道刻度指数族是一类覆盖范围较为广泛的分布族,例如指数分布,Weibull分布,Gamma分布都与此紧密相关；并且在工业可靠性,精算和生存分析等领域也有广泛应用。自经验Bayes (EB)方法被引入后,已有很多文献讨论了相协样本下刻度指数族参数的EB估计及检验问题,且大部分文献所讨论的情形都是在独立同分布样本下进行的,然而在处理实际问题时,我们所遇到的样本往往并不独立,比如在渗透性论和可靠性理论中所遇到的样本常常是具有某种相关性,正相协(PA)和负相协(NA)随机样本就是两种常见的相依样本,因此在相协样本下对刻度指数族参数的EB估计及检验问题进行研究具有理论价值和现实意义。本文在第一章绪论部分介绍了Bayes方法的原理以及EB方法,接着介绍了刻度指数族中EB方法的研究进展及现状,简略介绍本文的结构和内容。本文第二章是在已有的研究基础上,在PA样本下研究刻度指数族参数的渐近最优的EB估计,在刻度平方误差损失函数下导出参数的Bayes估计,利用核估计的方法构造了参数的EB估计,并且证明这种估计的渐近最优性,最后给出一个例子。本文第叁章在PA样本下,基于加权乘积损失函数研究刻度指数族中参数的EB双边检验问题。对其概率密度函数及其导函数利用核估计的方法构造EB检验函数且证明了此估计的渐近最优性,同时获得其收敛速度,最后列举一个例子。
（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。
相协样本论文参考文献
[1].黎玲,赵亚玲,沈小欣,秦永松.相协样本下Wilcoxon两样本统计量的渐近分布[J].高校应用数学学报A辑.2018
[2].童恩涛.相协样本下刻度指数族参数的经验Bayes估计及检验问题[D].安徽工程大学.2016
[3].朱海江.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[J].丽水学院学报.2015
[4].沈小欣.相协样本下的似然比检验和拟合优度检验[D].浙江师范大学.2015
[5].朱海江.相协样本下密度函数在有限个点处的同时统计推断[D].浙江师范大学.2014
[6].缪芳.相协样本下分布函数在有限个点处的统计推断[D].浙江师范大学.2014
[7].李英华.相协样本下分位数的核估计在有限个点处的联合渐近分布（英文）[J].应用数学.2014
[8].朱海江,缪芳,秦永松.相协样本下密度核估计的联合渐近分布[J].数学研究.2013
[9].王美玲.基于负相协随机样本的密度导数的小波估计[D].北京工业大学.2013
[10].秦永松,杨翠莲.负相协样本多维边际密度的经验似然推断[J].广西师范大学学报(自然科学版).2012
论文知识图
