發(fā)布時間：2018-03-30 16:51

  本文選題：半?yún)?shù)方法　切入點：經(jīng)驗似然方法　出處：《哈爾濱工業(yè)大學》2016年博士論文

【摘要】：半?yún)?shù)經(jīng)驗似然方法廣泛的被用于統(tǒng)計學中,此方法將半?yún)?shù)方法與經(jīng)驗似然方法有效的融合在一起,該方法具有如下優(yōu)點:一方面,半?yún)?shù)方法能彌補參數(shù)方法對回歸函數(shù)需要具有較強基本假設這一缺點,又能彌補非參數(shù)模型不能充分利用已知信息的缺點;另一方面,由于經(jīng)驗似然方法在應對復雜問題時不必受分布函數(shù)制約,因此經(jīng)驗似然方法能夠描述一些不確定性的問題或一些無法用具體函數(shù)描述的問題。本文以多變點模型與整值時間序列模型為研究對象,對半?yún)?shù)經(jīng)驗似然檢驗問題進行探討。主要研究內(nèi)容有以下幾個方面:1.針對相同參數(shù)權函數(shù)下含有兩個變點的多變點問題,給出了半?yún)?shù)經(jīng)驗似然函數(shù)。利用Lagrange乘子方法得到了變點估計值,以及變點估計的最大似然檢驗統(tǒng)計量。并利用強大數(shù)定律獲得了經(jīng)驗似然比檢驗統(tǒng)計量的漸近分布以及變點估計值的p-值,并證明了最大似然函數(shù)與一個連續(xù)的凸函數(shù)漸近相等,以及變點估計漸近的服從三點分布。除此之外,通過數(shù)值模擬驗證了半?yún)?shù)經(jīng)驗似然方法比非參數(shù)經(jīng)驗似然方法能更好地檢驗變點估計值,最后用實際數(shù)據(jù)診斷了模型具有較好的適用性。2.分析了不同參數(shù)權函數(shù)下含有兩個變點的多變點問題,該問題的數(shù)學模型是利用經(jīng)驗似然方法,結合Lagrange乘子,構造了半?yún)?shù)經(jīng)驗似然函數(shù)。并通過最大似然估計得到了變點的估計值以及p-值,應用強大數(shù)定律得到了經(jīng)驗似然比和半?yún)?shù)經(jīng)驗似然統(tǒng)計量的漸近分布。在數(shù)值模擬上,大量的實驗表明,當變點的真實值在隨機變量的相對中間位置時,半?yún)?shù)經(jīng)驗似然檢驗比非參數(shù)的方法相對優(yōu)越,而當真實值在相對兩端時半?yún)?shù)經(jīng)驗似然方法的優(yōu)越性不那么明顯。而實際數(shù)據(jù)依然驗證了模型有很好的適用性。3.對于不同參數(shù)權函數(shù)下的含有有限個變點的多變點模型,利用半?yún)?shù)經(jīng)驗似然方法構造了經(jīng)驗似然函數(shù)。通過最大似然函數(shù)和強大數(shù)定律得到了變點的估計值、變點估計的p-值以及半?yún)?shù)經(jīng)驗似然統(tǒng)計量,建立了關于有限個變點的極大似然估計的漸近結果,并利用bootstrap方法對有限個變點的數(shù)目進行模擬估計,模擬結果顯示文中所提出的經(jīng)驗似然方法對變點的估計是有效的。在參數(shù)估計的精度上,通過數(shù)值模擬,得出當變點在相對中間的位置時半?yún)?shù)經(jīng)驗似然有較好的效用,而當變點在相對兩端時卻無法判斷。實例也驗證了模型擬合有較好的能力。4.探討了對含有間歇性噪聲的整值時間序列INAR(k)模型,基于雙似然方法建立了半?yún)?shù)經(jīng)驗似然函數(shù)。利用Lagrange乘子的方法得到了參數(shù)的估計值,并通過強大數(shù)定律和中心極限的性質(zhì)證明了參數(shù)的經(jīng)驗似然比統(tǒng)計量漸進的服從自由度為k+2的χ2分布,且證明了參數(shù)的置信區(qū)間是凸集。除此之外,數(shù)值實驗說明了半?yún)?shù)經(jīng)驗似然的效用,以及非間歇性噪聲對模型的影響是顯著的,而間歇性噪聲對模型的影響是不顯著的。綜上所述,在多變點模型和整值時間序列模型中半?yún)?shù)經(jīng)驗似然方法都具有較高的效率。論文依次闡述了半?yún)?shù)經(jīng)驗似然方法在相同參數(shù)權、不同參數(shù)權,有限個變點的不同參數(shù)權以及整值時間序列模型中的應用。大量的數(shù)值模擬實驗和實例證明了該方法的效用,體現(xiàn)了半?yún)?shù)經(jīng)驗似然方法的優(yōu)越性。同時說明了本文所研究的方法適用于多變點和整值時間序列模型。
[Abstract]:A semiparametric empirical likelihood method is used widely in statistics, this method of semi parametric method and empirical likelihood method effectively together, this method has the following advantages: on the one hand, the semi parametric method can compensate for parameter method has a strong assumption that the disadvantages of regression function, and make up the non parametric model cannot make full use of the known information shortcomings; on the other hand, due to the empirical likelihood method without restricting the distribution function in dealing with complex problems, so the empirical likelihood method can describe some uncertain problems or some with a specific function to describe the problem. The thesis uses variable point model and integer valued time series model as the research object. Semiparametric empirical likelihood test problems are discussed. The main contents are as follows: 1. for the same power function with two parameters change point changing point to ask Questions, gives a semiparametric empirical likelihood function. By using the Lagrange method to get the change point estimation, maximum likelihood test statistic and estimate the change point. And get the empirical likelihood ratio test statistic and asymptotic distribution of point estimates of p- value using the strong law of large numbers, and proved that the maximum likelihood function and a a continuous convex function is asymptotically equal, and the change point estimation follows three asymptotic distribution. In addition, verify the semiparametric empirical likelihood method than the non parametric empirical likelihood method can better test of change point estimation through the numerical simulation, finally the actual data diagnosis model has good applicability of the.2. analysis of different parameters the right function contains two point variable problem, the mathematical model of the problem is to use the empirical likelihood method with Lagrange multipliers, constructed a semiparametric empirical likelihood function and through. The maximum likelihood estimates to get the estimation of change point value and p- value, the application of strong law of large numbers of the asymptotic distribution of empirical likelihood ratio and semiparametric empirical likelihood statistic. In numerical simulation, a large number of experiments show that when the change point in the middle position relative to the true value of random variables, semiparametric empirical likelihood test method the non parameter relative superiority, and when the true value of superiority in semiparametric empirical likelihood method is opposite less obvious. But the actual data still validate the model.3. is suitable for the variable point model a finite change point for different parameters of the weighting function containing, constructed by the likelihood function a semiparametric empirical likelihood method. The maximum likelihood function and the strong law of large numbers are estimated change point value, p- value and change point estimation semiparametric empirical likelihood statistic is established on a Co. Asymptotic results for maximum likelihood estimation of the change point, and use the bootstrap method on a number of limited change points in the simulated estimation, simulation results show that the empirical likelihood estimation method proposed in this paper on the change point is effective. The precision of parameter estimation, by numerical simulation, when the change point has a good effect in the middle of the relative position of semiparametric empirical likelihood, and when the change point in the opposite but not judgment. Results show the model has good fitting ability of.4. on the whole value of time series of INAR containing intermittent noise (k) model, semiparametric empirical likelihood function is established based on double likelihood method. By using the Lagrange obtained the estimates of the parameters, and the properties of the strong law of large numbers and central limit that the empirical likelihood ratio statistic parameters of progressive degrees of freedom for the k+2 distribution 2, and prove The confidence interval of the parameters is convex. Besides, numerical experiments show that the semiparametric empirical likelihood utility, and non intermittent noise of the model is significant, while the effect of intermittent noise on the model is not significant. In summary, the variable point model and integer valued time series model in semiparametric empirical likelihood the method has higher efficiency. This paper expounds the semiparametric empirical likelihood method in the same parameters are right, right of different parameters, different parameters of limited right to the change point and the whole value of application in time series model. Numerical simulation of a large number of quasi experiments and examples prove that the utility of this method reflects the superiority of semi parametric the empirical likelihood method. At the same time that this method is suitable for variable point and integer valued time series model.

【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：O212.1

【相似文獻】

相關期刊論文 前10條

1 鄭明,李四化,楊藝;截斷情況下生存函數(shù)的函數(shù)的經(jīng)驗似然[J];高校應用數(shù)學學報A輯(中文版);2004年03期

2 張軍艦;;矩約束條件下的廣義經(jīng)驗似然[J];廣西師范大學學報(自然科學版);2006年01期

3 李曉;吳耀華;涂冬生;;Cox比例風險模型中的校正經(jīng)驗似然方法(英文)[J];中國科學技術大學學報;2009年12期

4 王允艷;張立新;王漢超;;二階擴散模型的經(jīng)驗似然推斷[J];中國科學:數(shù)學;2012年08期

5 秦永松;楊翠蓮;;負相協(xié)樣本多維邊際密度的經(jīng)驗似然推斷[J];廣西師范大學學報(自然科學版);2012年03期

6 祝麗萍;;經(jīng)驗似然的冗余性[J];系統(tǒng)科學與數(shù)學;2012年09期

7 張軍艦,王成名;光滑經(jīng)驗似然分布估計[J];廣西師范大學學報(自然科學版);1998年01期

8 許爽;;淺談經(jīng)驗似然及其在金融風險中的應用[J];數(shù)學學習與研究;2011年19期

9 郁文;含零總體中位數(shù)的經(jīng)驗似然[J];統(tǒng)計與信息論壇;2005年01期

10 金淑華;;相依序列密度函數(shù)的經(jīng)驗似然推斷(英文)[J];數(shù)學研究與評論;2008年03期

相關會議論文 前1條

1 孫志猛;張忠占;;隨機右刪失數(shù)據(jù)下線性變換模型的經(jīng)驗似然推斷[A];北京市第十五次統(tǒng)計科學討論會獲獎論文集[C];2009年

相關博士學位論文 前10條

1 劉燕;基于二項稀疏算子的二維整數(shù)值自回歸過程的建模與經(jīng)驗似然推斷[D];吉林大學;2016年

2 肖燕婷;含非線性函數(shù)的半?yún)?shù)回歸模型的經(jīng)驗似然推斷[D];西北工業(yè)大學;2015年

3 張淑俠;幾類半?yún)?shù)經(jīng)驗似然檢驗問題的研究[D];哈爾濱工業(yè)大學;2016年

4 郭波濤;經(jīng)驗似然方法及基因表達調(diào)控網(wǎng)絡應用[D];第三軍醫(yī)大學;2008年

5 李周平;經(jīng)驗似然方法的若干應用[D];蘭州大學;2010年

6 劉玉坤;經(jīng)驗似然高階性質(zhì)的一些研究[D];南開大學;2009年

7 韓玉;非線性時間序列模型經(jīng)驗似然推斷的若干結果[D];吉林大學;2012年

8 熊賢祝;經(jīng)驗似然推斷的若干研究[D];浙江大學;2012年

9 陳燕紅;時間序列模型的經(jīng)驗似然推斷[D];大連理工大學;2013年

10 李曉;Bartlett校正和校正經(jīng)驗似然的研究[D];中國科學技術大學;2009年

相關碩士學位論文 前10條

1 王子豪;缺失數(shù)據(jù)下雙重廣義線性模型的經(jīng)驗似然推斷[D];昆明理工大學;2015年

2 阮磊;部分線性ARCH誤差模型的經(jīng)驗似然方法研究[D];中國礦業(yè)大學;2015年

3 朱麗霞;基于經(jīng)驗似然的非對稱核估計方法及應用[D];浙江大學;2013年

4 王燁;雙自變量的結合似然[D];浙江大學;2013年

5 李華英;含附加信息時α-混合樣本情形總體分位數(shù)的經(jīng)驗似然推斷[D];廣西師范大學;2015年

6 辛雅茜;α-混合樣本下含附加信息時M-泛函的統(tǒng)計推斷[D];廣西師范大學;2015年

7 張昕;基于經(jīng)驗似然的早期故障檢測及應用研究[D];中國計量學院;2015年

8 張瑜;非線性變系數(shù)模型的經(jīng)驗似然推斷[D];遼寧師范大學;2015年

9 徐仲亞;基于經(jīng)驗似然置信域的縱向數(shù)據(jù)下半?yún)?shù)回歸模型的統(tǒng)計診斷[D];東南大學;2015年

10 蔣非凡;長記憶時間序列的調(diào)整經(jīng)驗似然方法[D];南京大學;2016年

，

本文編號：1686783