相依随机样本的M估计的渐近分布

发布时间：2020-06-19 12:11

【摘要】：理论研究和实践经验表明,传统的参数估计方法,如矩估计法、最小二乘法,虽然有很高的渐近效率,但是只要所分析的数据中有一些偏离总体的成分,这些方法就不理想.因此,传统的参数估计方法缺乏稳健性.近几十年来统计学家提出了许多替代方法,其中M方法就是最受重视,研究成果最多的一种.由于随机变量独立性的假设在很多情况下不是很合适的,而在实际的生活中很多变量是相依的,因此人们常常研究相依随机变量的情况.负相依(简称NA)、负超可加相依(简称NSD)、渐近几乎负相依(简称AANA)及宽象限相依(简称WOD)随机序列就是常见相依情形.很多学者研究了独立随机变量的M估计,文献[12,44]系统的研究了独立随机变量的性质.本文在前人的基础上,进一步讨论相依随机样本,研究其M估计的渐近分布,主要内容如下:第二章,在非常一般的条件下,利用一些引理,采用截断方法得到了NA、NSD、AANA及WOD随机样本的M估计的渐近正态性.第三章,考虑长相依波动模型,在适当的条件下,用鞅差证明了长相依波动模型的M估计的渐近正态性及非一致的Berry-Esseen界.然后给出此模型的理论应用,最后用实际例子来说明此模型的有效性.上述结论既推广了独立随机变量的相应结论,又得到了长相依波动模型的部分和的极限分布的收敛守则,同时又推广了线性模型中M估计的渐近理论.
【学位授予单位】：湖北师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：C81

【相似文献】

相关期刊论文 前10条

1 周建荣;覃跃海;刘赛玉;陈剑;;一类广义超几何多项式零点的渐近分布[J];中山大学学报(自然科学版);2013年02期

2 曲延禄,阎书源,张程道;我国地面气温极值和地面风速极值的渐近分布[J];气象学报;1988年02期

3 潘家柱;多维平稳序列最大值的渐近分布[J];应用数学学报;1988年02期

4 刘学圃;多维平稳序列相关阵估计量的渐近分布[J];高校应用数学学报A辑(中文版);1989年02期

5 杨琪瑜;关于中心抽样的先验条件概型及其两个渐近分布[J];林业资源管理;1989年01期

6 陈桂景;陆军;;矩函数刀切估计的渐近分布[J];淮北煤师院学报(自然科学版);1983年02期

7 程士宏;;重截断和的渐近分布[J];应用概率统计;1990年04期

8 杨永信;;可换序列变叙项极值的渐近分布[J];应用概率统计;1991年01期

9 朱祖锐;陈守全;;卡方分布序列最大值的收敛速度[J];西南大学学报(自然科学版);2016年09期

10 蔺富明;蒋莹莹;;平稳高斯序列的联合渐近分布[J];四川理工学院学报(自然科学版);2007年05期

相关会议论文 前1条

1 孙志猛;张忠占;;随机右删失数据下线性变换模型的经验似然推断[A];北京市第十五次统计科学讨论会获奖论文集[C];2009年

相关博士学位论文 前9条

1 刘关福;有限混合模型中的若干问题研究[D];华东师范大学;2017年

2 赵华玲;逐段线性回归中变点问题的统计推断[D];武汉大学;2011年

3 胡锡健;股票量价渐近分布及其变点的统计过程控制监测[D];新疆大学;2008年

4 杨洋;单位根和协整前沿理论的扩展与应用[D];华中科技大学;2017年

5 陈曦;关于正倒向随机微分方程和倒向广义自回归条件异方差模型的统计推断[D];山东大学;2010年

6 周力凯;随机积分的弱收敛及应用[D];浙江大学;2016年

7 陈强;几类半参和非参模型的适应性推断[D];山东大学;2009年

8 陈佳;计量经济模型中非参数M估计的渐近理论[D];浙江大学;2008年

9 张旭利;门限整值自回归模型及相依风险模型的建模与推断[D];吉林大学;2016年

相关硕士学位论文 前10条

1 余新新;相依随机样本的M估计的渐近分布[D];湖北师范大学;2019年

2 曹伦凤;完全与非完全样本平稳高斯序列最大值的联合渐近分布[D];西南大学;2011年

3 孟娇;带有MA(1)噪声的AR(1)过程中参数估计量的渐近性质[D];南京航空航天大学;2015年

4 娄本芬;重尾相依随机变量和的渐近分布[D];曲阜师范大学;2010年

5 庞震;混合问题的参数估计和假设检验[D];北京工业大学;2002年

6 于明明;近平稳二阶自回归过程中参数估计量的渐近分布及中偏差原理[D];南京航空航天大学;2015年

7 刘伟棠;若干变点模型的经验似然推断[D];浙江财经大学;2016年

8 孙炎炜;相依条件下的单位根检验统计量的渐近分布[D];浙江大学;2008年

9 周乐;支持向量机的渐近统计性质及其应用[D];浙江大学;2016年

10 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年

本文编号：2720770