导读:本文包含了附加信息拟似然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:信息,样本,经验,位数,渐近,函数,总体。
附加信息拟似然论文文献综述
黎玲,李华英,罗敏,秦永松[1]（2018）在《强混合样本情形含附加信息时总体分位数的经验似然置信区间》一文中研究指出强混合随机变量序列的应用较为广泛,如许多线性过程为强混合的,且一些连续时间扩散模型和随机波动模型为强混合的.在金融风险管理领域分位数又称VaR,它表示给定置信水平下金融资产产生的损失的上限.本文在强混合样本和含附加信息情形构造了总体分位数的对数经验似然比统计量,并证明了对数经验似然比统计量的渐近分布为卡方分布,由此构造了总体分位数的经验似然置信区间.在此基础上考虑了一类检验问题,证明了在同一检验水平下,含附加信息时检验的渐近功效高于不含附加信息时检验的渐近功效,并且含附加信息时检验的渐近功效随信息量的增加而非降.(本文来源于《工程数学学报》期刊2018年04期）
董凯,秦永松,邓裕[2]（2016）在《α混合样本下含附加信息时概率密度的经验似然置信区间》一文中研究指出利用分块技术证明了α混合样本下含附加信息时概率密度函数的经验似然比统计量的渐近分布是χ~2_1分布,由此得到了概率密度函数的经验似然置信区间。(本文来源于《咸阳师范学院学报》期刊2016年04期）
董凯[3]（2016）在《相依样本下含附加信息时概率密度函数的经验似然置信区间》一文中研究指出本文主要研究了负相协(NA)样本下和a混合样本下含附加信息时概率密度函数的经验似然置信区间的问题,在含附加信息的条件下,得到了概率密度函数的经验似然比统计量的渐近分布,全文分为叁个章节：第一章为绪论,分别介绍了NA样本的研究概况,α混合样本的研究概况,经验似然方法的研究进展以及本文结构和研究内容.第二章讨论NA样本下含附加信息时概率密度函数的经验似然置信区间的构造.我们运用分块技术给出了分块经验似然比统计量的表达式,并讨论其渐近分布,最终得到含附加信息时概率密度函数的经验似然比统计量的渐近分布为χ2-分布,由此得到了概率密度函数的经验似然置信区间.第叁章讨论α混合样本下含附加信息时概率密度函数的经验似然置信区间的构造.与NA样本情形类似,我们证明了a混合样本下含附加信息时概率密度函数的经验似然比统计量的渐近分布为χ2-分布,由此得到了概率密度函数的经验似然置信区间.本文的创新性体现在如下叁个方面：1.巧妙地运用分块经验似然方法,得出了含附加信息时概率密度函数的分块经验似然比统计量,并证明其渐近分布.2.运用概率密度函数经验似然比统计量的渐近分布,得出了含附加信息时概率密度函数的经验似然置信区间.3.在NA样本下考虑了一类假设检验问题,证明了含附加信息时检验的渐近功效没有发生改变.(本文来源于《浙江师范大学》期刊2016-05-11）
黄玉,秦永松[4]（2016）在《NA样本下含附加信息时M-泛函的经验似然推断》一文中研究指出本文研究NA样本下不含附加信息和含附加信息时M-泛函的经验似然推断,将分块技术应用到经验似然方法中,证明M-泛函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NA样本下不含附加信息和含附加信息时M-泛函的经验似然置信区间.同时,对一类M-泛函的检验问题,证明含附加信息比不含附加信息时有更高的功效,并给出数值模拟结果.(本文来源于《应用数学》期刊2016年02期）
李华英[5]（2015）在《含附加信息时α-混合样本情形总体分位数的经验似然推断》一文中研究指出α-混合序列的概念由Rosenblatt于1956年首次引入,陆传荣、林正炎(1997)对α-混合序列的极限理论做了详细的论述.为构造感兴趣参数的置信区间,Owen(1988,1990)提出了经验似然方法.研究表明,与其它常见统计方法(如正态逼近法等)相比较,经验似然方法有许多显着优点.本文将Kitamurac(1997)提出的分块技术运用到经验似然方法中,研究含附加信息时α-混合样本情形总体分位数的经验似然推断.在一定正则条件下,证明了含附加信息时总体分位数估计的渐近分布为正态分布；含附加信息时总体分位数的经验似然比统计量的极限分布为标准卡方分布,进而构造出给定置信水平的经验似然置信区间,并在此基础上考虑了一类检验问题.本文的主要结果和特色如下：1.本文在研究含附加信息时α-混合样本情形总体分位数估计的渐近分布时,运用附加信息改进经验似然推断,得到总体分位数估计的渐近分布为正态分布,并且含附加信息时总体分位数估计的渐近方差比不含附加信息时的渐近方差要小.2.本文在研究含附加信息时α-混合样本情形总体分位数的经验似然置信区间时,采用分块方法进行经验似然置信区间的构造,证明了基于分块方法得到的总体分位数估计的经验似然比统计量的极限分布为卡方分布,利用此结果构造的经验似然置信区间的长度比不含附加信息时的要小.3.本文考虑了一类检验问题,证明了在同一检验水平下,含附加信息时检验的渐近功效高于不含附加信息时检验的渐近功效,并且含附加信息时检验的渐近功效随信息量的增加而非降.(本文来源于《广西师范大学》期刊2015-04-01）
林路[6]（2002）在《相依非线性回归系统中的附加信息Bayes拟似然》一文中研究指出对多个相依统计模型的研究,现有成果主要集中在相依线性回归系统.本文则首次提出多个相依非线性回归系统中的附加信息Bayes拟似然,给出误差相关信息和先验信息在拟似然中的迭加方法,在较弱的条件下得到附加信息Bayes拟似然的一些性质,在Bayes风险准则下。讨论了其估计函数和参数估计的最优性,证明了附加信息Bayes拟似然的渐近 Bayes风险随着相依信息的增力。而逐步减少.(本文来源于《数学学报》期刊2002年06期）
崔恒建,袁修久[7]（2001）在《附加信息下的p分位数光滑经验似然置信区间》一文中研究指出Ｃｈｅｎ和Ｈａｌｌ在１９９３年使用光滑的经验似然方法建立了ｐ分位数置信区间．本文在有部分附加信息的情况下使用了光滑的经验似然方法建立了ｐ分位数的置信区间，从渐近功效函数方面对置信区间做了比较，后者优于前者．并且置信概率误差的阶为ｎ－１，证明了本文所建立的置信区间是可以Ｂａｒｔｌｅｔｔ修正的．(本文来源于《系统科学与数学》期刊2001年02期）
袁修久,刘锋[8]（1999）在《具有附加信息分布函数的经验欧氏似然估计》一文中研究指出在已知Ｅｈ（Ｘ）＝０下，对总体的分布函数给出了经验欧氏似然估计，并证明了这种估计的强相合性、渐近正态性及渐近正态的阶为Ｏ（ｎ－１２），给出了检验Ｅｈ（Ｘ）＝０的经验欧氏似然方法(本文来源于《陕西师范大学学报(自然科学版)》期刊1999年S1期）
林路[9]（1999）在《有附加信息的半经验似然估计的大样本性质》一文中研究指出提出了一种有附加信息的半参数统计模型 ,证明了有附加信息的半经验似然估计的强相合性、渐近正态性 ,并说明附加信息能改进参数估计(本文来源于《邵阳师范高等专科学校学报》期刊1999年05期）
附加信息拟似然论文开题报告
（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：
利用分块技术证明了α混合样本下含附加信息时概率密度函数的经验似然比统计量的渐近分布是χ~2_1分布,由此得到了概率密度函数的经验似然置信区间。
（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。
附加信息拟似然论文参考文献
[1].黎玲,李华英,罗敏,秦永松.强混合样本情形含附加信息时总体分位数的经验似然置信区间[J].工程数学学报.2018
[2].董凯,秦永松,邓裕.α混合样本下含附加信息时概率密度的经验似然置信区间[J].咸阳师范学院学报.2016
[3].董凯.相依样本下含附加信息时概率密度函数的经验似然置信区间[D].浙江师范大学.2016
[4].黄玉,秦永松.NA样本下含附加信息时M-泛函的经验似然推断[J].应用数学.2016
[5].李华英.含附加信息时α-混合样本情形总体分位数的经验似然推断[D].广西师范大学.2015
[6].林路.相依非线性回归系统中的附加信息Bayes拟似然[J].数学学报.2002
[7].崔恒建,袁修久.附加信息下的p分位数光滑经验似然置信区间[J].系统科学与数学.2001
[8].袁修久,刘锋.具有附加信息分布函数的经验欧氏似然估计[J].陕西师范大学学报(自然科学版).1999
[9].林路.有附加信息的半经验似然估计的大样本性质[J].邵阳师范高等专科学校学报.1999