2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩120頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、經(jīng)驗(yàn)似然是一種非參數(shù)統(tǒng)計(jì)方法,用于對(duì)多元均值參數(shù)和更一般地,由估計(jì)方程定義的參數(shù),構(gòu)造置信域.自從它由Owen(1988,1990)提出以后,很多學(xué)者對(duì)它進(jìn)行了深入的研究,見(jiàn)Owen(2001)以及其參考文獻(xiàn).由于它的靈活性和有效性,現(xiàn)在這個(gè)方法已經(jīng)得到越來(lái)越廣泛的應(yīng)用.
   經(jīng)驗(yàn)似然具有很多優(yōu)點(diǎn).例如,它不假定數(shù)據(jù)來(lái)自一個(gè)參數(shù)分布;不用估計(jì)方差;置信域的形狀由數(shù)據(jù)自動(dòng)決定:經(jīng)驗(yàn)似然置信域是保值的和對(duì)參數(shù)變換不變的,等等.盡管

2、如此,實(shí)踐中它仍至少有兩個(gè)問(wèn)題.其一是,經(jīng)驗(yàn)似然置信域的覆蓋精度常常不令人滿意.理論上覆蓋誤差是O(n-1),這里n是樣本大小,不過(guò)模擬顯示一個(gè)名義置信水平是90%的經(jīng)驗(yàn)似然置信域可能只有低到83%的真實(shí)覆蓋率.其二是,在計(jì)算剖面經(jīng)驗(yàn)似然函數(shù)時(shí),所求的數(shù)值問(wèn)題可能沒(méi)有解.在這種情況下,剖面經(jīng)驗(yàn)似然函數(shù)沒(méi)有定義,經(jīng)驗(yàn)似然方法不能用.本論文致力于解決經(jīng)驗(yàn)似然的上述兩個(gè)問(wèn)題.
   關(guān)于第一個(gè)問(wèn)題,人們發(fā)現(xiàn)如果經(jīng)驗(yàn)似然可Bartlet

3、t修正的話,Bartlett修正可以改進(jìn)經(jīng)驗(yàn)似然置信域的精度.通過(guò)Bartlett修正,經(jīng)驗(yàn)似然置信域的覆蓋誤差急劇的由O(n-1)減小到O(n-2).經(jīng)驗(yàn)似然在很多模型下都是可Bartlett修正的.DiCiccio,Hall and Romano(1991)揭示了如果參數(shù)可表示成樣本總體均值的光滑函數(shù),那么經(jīng)驗(yàn)似然是可Bartlett修正的.遺憾的是,這篇文章給出的Bartlett修正因子的公式對(duì)于多維數(shù)據(jù)是不正確的,盡管對(duì)于一維數(shù)

4、據(jù)它是正確的.本論文的一個(gè)貢獻(xiàn)是指出這個(gè)錯(cuò)誤并給出正確的公式.關(guān)于線性回歸系數(shù)和分位數(shù)的經(jīng)驗(yàn)似然置信區(qū)間也容許Bartlett修正(Chen1993,1994,and Chen and Hall1993).Jing(1995)把經(jīng)驗(yàn)似然方法推廣到標(biāo)量觀察值的兩樣本均值問(wèn)題。并指出它仍是可Bartlett修正的.不過(guò),Jing(1995)給了一個(gè)錯(cuò)誤的Bartlett修正因子.Liu,Zou and Zhang(2008)對(duì)于多元觀察值情

5、況用經(jīng)驗(yàn)似然方法重新研究了這個(gè)問(wèn)題,并給出了正確的Bartlett修正因子,這構(gòu)成了本論文的一部分,見(jiàn)第五章.在一般估計(jì)方程框架下,Lazar andMykland(1999)指出由帶一個(gè)冗余參數(shù)的兩個(gè)估計(jì)函數(shù)定義的經(jīng)驗(yàn)似然不一定是可Bartlett修正的.然而如果對(duì)給定的感興趣參數(shù)。冗余參數(shù)可以通過(guò)取剖面經(jīng)驗(yàn)似然而消失,那么一般估計(jì)方程框架下的經(jīng)驗(yàn)似然仍是可Bartlett修正的(Cui andChen2006,2007).總而言之,

6、對(duì)于常用的模型,經(jīng)驗(yàn)似然都是可Bartlett修正的.這意味著,這時(shí)經(jīng)驗(yàn)似然方法的精度可以通過(guò)Bartlett修正得到改進(jìn)。
   為了解決第二個(gè)問(wèn)題,通常的做法是,把沒(méi)有定義的剖面經(jīng)驗(yàn)似然函數(shù)定義為0.但是這種策略至少有兩個(gè)局限性.其一是,確定剖面經(jīng)驗(yàn)似然在哪些參數(shù)值上沒(méi)有定義是很困難的;其二是,那些似然為0的參數(shù)值的合理性是值得懷疑的.由Chen,Variyath,and Abranham(2008)引入的一種調(diào)整的經(jīng)驗(yàn)似然

7、方法徹底解決了這個(gè)問(wèn)題,而且簡(jiǎn)便易行并具有很多優(yōu)點(diǎn).本論文的又一貢獻(xiàn)是指出,通過(guò)適當(dāng)?shù)恼{(diào)整(依賴于通常經(jīng)驗(yàn)似然的Bartlett修正因子),這種調(diào)整的經(jīng)驗(yàn)似然,不但保證了調(diào)整的剖面經(jīng)驗(yàn)似然函數(shù)的存在性,還能達(dá)到Bartlett修正過(guò)的經(jīng)驗(yàn)似然同樣的精度。
   盡管在理論上,Bartlett修正能夠使基于經(jīng)驗(yàn)似然和調(diào)整的經(jīng)驗(yàn)似然的置信區(qū)間的覆蓋誤差從O(n-1)減小到O(n-2),但是模擬顯示這種方法并不如預(yù)期的那么好,特別是對(duì)

8、于小樣本.我們發(fā)現(xiàn)主要原因可能來(lái)自于通常的矩估計(jì)對(duì)Bartlett修正因子的嚴(yán)重的低估.為此,我們對(duì)Bartlett修正因子提出了一個(gè)新的估計(jì).模擬顯示這個(gè)估計(jì)比通常的矩估計(jì)具有較小的偏差.如預(yù)期的那樣,使用這個(gè)新的估計(jì)之后。所有相關(guān)的結(jié)果都得到了很大改進(jìn).
   當(dāng)參數(shù)是標(biāo)量的時(shí)候,一般的置信區(qū)間,如基于經(jīng)驗(yàn)似然、基于Bartlett修正過(guò)的經(jīng)驗(yàn)似然、以及基于調(diào)整過(guò)的經(jīng)驗(yàn)似然的置信區(qū)間都是雙邊置信區(qū)間。在有些情況下單邊置信區(qū)間

9、,即下側(cè)置信限或者上側(cè)置信限,更有意義些。正如文獻(xiàn)中已經(jīng)指出的那樣,基于經(jīng)驗(yàn)似然或者調(diào)整的經(jīng)驗(yàn)似然的雙邊置信區(qū)間雙側(cè)覆蓋誤差為O(N-1),每個(gè)端點(diǎn)的單側(cè)覆蓋誤差是O(n-1/2).盡管帶Bartlerr修正的調(diào)整過(guò)的經(jīng)驗(yàn)似然或者Bartlerr修正的經(jīng)驗(yàn)似然具有很小的雙邊覆蓋誤差(O(n-2)),但是基于它們的單側(cè)置信區(qū)間的覆蓋誤差仍然是O(n-1/2).本論文的最后一個(gè)貢獻(xiàn)是,提出帶兩個(gè)偽觀察值的調(diào)整的經(jīng)驗(yàn)似然,基于這種方法的雙側(cè)置

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論