Φ-混合样本下一类统计泛函的渐近性子.pdfVIP

目录 中文摘要…………………………………………………………….1 英文摘要…………………………………………………………….11 引言 ………………………………………………………………..22 第一章 φ_ 混合样本下分位数经验似然估计的渐近性质 ……………………………………………………….23 第二章 有附加信息下φ_ 混合样本的条件分位数经验似然 估计的渐进性质…………………………………..31 第三章 在附加信息下φ_ 混合样本的 M-估计及 分位数估计的渐进性质 ……………………………………………………………..40 后记 ……………………………………………………………...57 φ − 混合样本下一类统计泛函的渐近性质 数计学院2001级研究生 零东宇 导师 秦永松 教授 摘要 经验似然方法是处理非参数模型的一种重要方法.它由 Owen [2,3] 首先引入,随 后 Chen [5,6,7] ,Chen and hall [9] ,Qin and Lawless [8] ,Kitamura [10] ,秦永松[15,16,22,23] , 苏淳[15,16] 等人对该方法进行了深入研究,发现经验似然方法具有许多优点.Chen and Qin [18] 已经证明了,经验似然方法能有效利用附加信息,即使在有限样本下, 它也能使有附加信息情形下统计参数的估计比没有附加信息情形下统计参数的 估计更精确.Chen et al [21] 指出,利用经验似然方法做时间序列模型的拟合优度检 验有两大优点,一是由于经验似然比统计具有t −分布特性, 因而使检验自动处理 与非参数拟合有关的变量(如协方差等),二是经验似然比检验统计量的渐近分布 与未知参数无关, 因而可以避免二次插值计算.因此,经验似然方法不仅在理论上 得到了重视,而且在应用统计方面得到了广泛应用. 本文在强平稳,φ −混合样本下利用经验似然方法做如下三个方面的研究,并 得到相应的一些结果. 一. φ−混合样本下分位数经验似然估计的渐近性质 假设{Xi ,i ≥1}为强平稳,φ−混合序列,φ(1) 1.对 j≥1，我们用 F（x ）和 Fj (x, y ) 分别表示x 和(x , x ) 的分布函数.对j ≥1，假设x 和(x , x ) 的分布密 1 1 j +1 1 1 j +1 度存在，分别用 −1 ( ) f (x ) 和f j (x, y ) 表示.假设 q-分位数θ F q 是唯一定义的.我 们用分组经验似然比方法去构造θ 的置信区间. 首先，我们考虑θ通常的经验似然比统计量. 对某些r ≥2 ，设K 是某一Borel可测函数，满足 ∞ j o j 1, ∫−∞u K (u)du {0, ≤ ≤ − ( 1.1) 1 j r 1 x ( ) h ( ) (1) 设 0 h hn →0 , Gh x K y dy .令 ω (θ) Gh(θ−X )