论文部分内容阅读
该文讨论当观察数据来自污染分布F(x)=(1-α)F<,1>(X)+αF<,2>(x)时的非参数推断问题。第一章绪论介绍了该问题的起源、发展和应用。经二章是该文的主要部分,将讨论这样的问题<,2>(x)已知,而α、F<,1>(x)未知,在没有参数假设的条件下,如何对α、F<,1>(x)作出估计。第三章则假定得到K个(K≥2)独立同分布的样本,分别来自(1-α<,i>F<,1>(x)+α<,i>F<,2>(x),i=1,…,K,α<,i>已知,而未知,该章给出的估计,并证明了估计的优良性。第四章的基本假设与第二章相同,并进一步假定存在某个可测函数M(x),使μ<,1>=∫M(x)dF<,1>(x)已知,且∫M(x)dF<,1>(x)≠∫M(x)dF<,2>(x),以此构造出α、F<,1>(x)的估计。第五章讨论来自污染分布的数据被截断情形下的参数估计问题,将分别讨论随机截断和第一,第二类截断这三种不同截断。在讨论随机截断时,提出了一种基于Kaplan-Meier估计的非参数均值估计方法,并证明了强收敛性。第六章讨论以污染分布为背景分布的Edgeworth展开,在一些宽松的正则条件下,得到了比传统分布展开更精确的结果。