相依样本下一类统计泛函的履历似然置信区间.pdf

目 录 摘要………………………………………………………………………1 1 中文摘要……………………………………………………… 1 2 英文摘要……………………………………………………… 8 引言…………………………………………………………………… 16 第一章 M-泛函经验似然置信区间………………………………… 17 1 引言……………………………………………………………17 2 定理……………………………………………………………17 3 引理……………………………………………………………19 4 定理证明………………………………………………………26 第 二 章 密 度 函 数 及 非 参 数 回 归 函 数 经 验 似 然 置 信 区 间……………………………………………………………………… 30 1 引言……………………………………………………………30 2 预备知识………………………………………………………30 3 定理……………………………………………………………31 4 引理……………………………………………………………31 5 定理证明………………………………………………………32 第三章 相依误差下线性模型的回归系数经验似然置信区间………44 1 引言…………………………………………………………… 44 2 定理…………………………………………………………… 44 3 引理……………………………………………………………46 4 定理证明………………………………………………………47 参考文献………………………………………………………………52 后记……………………………………………………………………54 相依样本下一类统计泛函的经验似然置信区间 二 00 一级概率统计专业数理统计方向研究生 姜波 导师 秦永松教授 摘 要 似然函数是统计学中最重要的工具之一,它通常要求已知总体分布的类型,总体分布只依 赖于若干个未知参数,当我们对问题的背景所知甚少,仅仅知道一些附加信息(如总体的一阶 矩,二阶矩), 以至于不能对总体分布类型作出假定,这时便无法使用似然函数,Owen 引入经验 似然,它是一种非参数推断方法,最早是由 Owen 引进构造置信区间,随后一些学者讨论它与参 数似然的比较,与经验鞍点估计的比较,并应用于光滑函数模型,线性模型,半参数模型,讨厌参 数,回归函数,密度核估计,有偏样本等情况中,但所有这些都是在样本独立同分布的情况下加 以讨论的,对于相依样本,情况变得比较复杂,本文主要讨论了相依样本下一类统计泛函的经 验似然置信区间. 这里仅仅给出似然比统计量的极限分布，进而可构造有意义参数的经验似然置信区间. 一．M-泛函的经验似然比统计量的极限分布. M-泛函定义 M-泛函定义：X 1 , L,X n 都为强平稳φ混合(见文献[5]中定义) 的随机变量,分布函数为 F,M-泛函θ(F ) 定义为下面方程的根： E (ϕ(X ,θ ) ϕ(x ,θ )dF (x) 0,X ∈F ,x ,θ ,ϕ(x ,θ ) ∈R. (