一些参数模型下的舍入数据分析.pdf

摘 要 本文主要研究了舍入误差对若干参数模型的影响，所研究的模型包括秩集抽 进了每一个模型使之能够拟合带有舍入误差的样本数据，改进的模型分别称为舍 在RRSS模型中，我们首先比较了RRSS样本和舍入简单随机抽样(RSRS)样 本的Fisher信息阵。结果表明，RRSS样本的信息阵减去相同样本量的RSRS样本的 信息阵总是正定的。随后，我们提出了未知参数的极大似然估计(MLE)并建立 了估计的强相合性和渐近正态性。模拟结果显示，基于RRSS样本的MLE总是比基 于RSRS样本的MLE更有效。 在RMRSS模型中，我们首先讨论了计算参数MLE时遇到的两个主要困难。随 后，针对这些困难我们提出了一个新的参数估计一一工作似然估计(、nMLE)，并建 立了估计的强相合性和渐近正态性。模拟结果表明，基于RMRSS样本的W．MLE总 是比基于RSRS样本的W-MLE更有效。 ARAR模型主要处理带有累积舍入误差的时间序列数据，它假定自回归过程中 的当期观测变量依赖于前期观测变量的舍入值，此时的观测序列构成马尔科夫链。 在该模型下，我们首先讨论了该序列的一些基本性质，包括平稳性、遍历性和混合 性。接着，我们利用这些性质提出了参数的条件MLE并建立了估计的强相合性和渐 近正态性。随后，通过模拟实验，我们比较了通常的AR模型、普通舍