论文部分内容阅读
Ibragimov首次提出了φ-混合的概念,并对其进行研究,Cogburn也对此混合序列进行了相关研究.φ-混合的概念作为序列弱相关的衡量尺度在金融时间序列数据的相关研究中被广泛使用,Bradley就φ-混合情形和其他经常使用的混合情形给出了很好的综述.由于φ-混合序列的广泛应用,进而φ-混合随机序列和的收敛性分别被Utev(1990),Chen(1991),Herrndorf(1983),Peligrad(1985),Sen(1971,1974),Shao(1993)和Wangetal(2009)等研究。 利用经验似然(EL)方法求置信区间是在Owen(1988)首先正式提出的,经过大量研究得出结论,经验似然方法与其他常见的统计推断方法相比较,具有较多的优势-如域保持性、变换不变性等性质,并且所求得的置信域的形状完全是由数据决定,无需构造轴统计量.Owen(1990)也进一步在独立同分布情形下构造了随机向量的经验似然置信域.但我们注意到上述的普通的EL只适用于独立样本情形,而不适用于混合相依样本。 Kitamura(1997)首次提出了运用大小分组的经验似然的方法来构造混合样本下参数的置信区间,ChenandWong(2009)运用上述同样的方法构造了φ-混合样本下分位数的置信区间.概率密度函数核估计原理是Rosenblatt率先提出的,而分布函数核估计的思想是通过借助密度函数核估计的思想类似得到的.下面我们主要是运用blockwise分组经验似然方法来构造φ-混合样本下分布函数核估计在有限个点处的联合渐近分布及其经验似然比统计量,结果表明联合渐近分布服从多元的正态分布,blockwise分组经验似然比统计量渐近服从x}分布,最后利用数值模拟,将联合渐近正态所求得的置信域与经验似然方法所求得的置信域进行比较。 本文的主要研究内容如下: 1.第一章主要介绍φ-混合序列的研究概况,经验似然的研究发展过程及现状,分布函数核估计的研究。 2.第二章利用大小分块方法证明了,在平稳条件下φ-混合样本下分布函数在有限个点处的核估计的联合渐近分布为多元正态分布。 3.第三章结合第二章渐近正态的结论和分块经验似然方法,进一步证明了在φ-混合样本下,分布函数在有限个点处的经验似然比统计量的极限分布。 本文的创新之处主要体现在: 1.本文首次构造了在φ-混合样本下,分布函数在有限个点处的联合渐近分布,并进一步证明了φ-混合样本下分布函数核估计在有限个点处的经验似然比统计量的极限分布,并通过上述结果构造分布函数核估计在有限个点处的联合经验似然置信域。 2.本文的研究方法及结果对于得到更一般的混合情形下分布函数核估计在有限个点处的联合渐近分布以及构造分布函数在有限个点处的联合置信域等有一定的借鉴作用。